JASP es un programa gratuito y de código abierto para el análisis estadístico respaldado por la Universidad de Amsterdam. Está diseñado para ser fácil de usar y familiar para los usuarios de SPSS . Ofrece procedimientos de análisis estándar tanto en su forma clásica como bayesiana . [1] [2] JASP generalmente produce gráficos y tablas de resultados de estilo APA para facilitar la publicación. Promueve la ciencia abierta mediante la integración con Open Science Framework y la reproducibilidad al integrar la configuración de análisis en los resultados. El desarrollo de JASP cuenta con el apoyo financiero devarias universidades y fondos de investigación .
Lanzamiento estable | 0.14.1 / 18 de diciembre de 2020 |
---|---|
Repositorio | Página de JASP Github |
Escrito en | C ++ , R , JavaScript |
Sistema operativo | Microsoft Windows , Mac OS X y Linux |
Tipo | Estadísticas |
Licencia | Licencia pública general GNU Affero |
Sitio web | jasp-stats |
Analiza
JASP ofrece inferencia frecuentista e inferencia bayesiana en los mismos modelos estadísticos . La inferencia frecuente utiliza valores p e intervalos de confianza para controlar las tasas de error en el límite de infinitas réplicas perfectas. La inferencia bayesiana utiliza intervalos creíbles y factores de Bayes [3] [4] para estimar valores de parámetros creíbles y evidencia de modelos dados los datos disponibles y el conocimiento previo.
Los siguientes análisis están disponibles en JASP:
Análisis | Frecuente | Bayesiano |
---|---|---|
Prueba A / B | ||
ANOVA , ANCOVA , medidas repetidas ANOVA y MANOVA | ||
AUDIT (módulo) | ||
Bain (módulo) | ||
Prueba binomial | ||
Análisis factorial confirmatorio (CFA) | ||
Tablas de contingencia (incluida la prueba de chi-cuadrado) | ||
Correlación: [5] Pearson , Spearman y Kendall | ||
Pruebas T de equivalencia: independientes, emparejadas, de una muestra | ||
Análisis factorial exploratorio (EFA) | ||
Regresión lineal | ||
Regresión logística | ||
Regresión logarítmica lineal | ||
Aprendizaje automático | ||
Mann-Whitney U y Wilcoxon | ||
Análisis de mediación | ||
Metaanálisis | ||
Modelos Mixtos | ||
Prueba multinomial | ||
Análisis de red | ||
Análisis de componentes principales (PCA) | ||
Análisis de confiabilidad : α, γδ y ω | ||
Modelado de ecuaciones estructurales (SEM) | ||
Resumen de estadísticas [6] | ||
Pruebas T : independientes, pareadas, de una muestra | ||
Modelado visual: lineal, mixto, lineal generalizado |
Otras características
- Estadística descriptiva y gráficas.
- Cheques asunción de todos los análisis, incluyendo el test de Levene , la prueba de Shapiro-Wilk , y la parcela Q-Q .
- Importa archivos SPSS y archivos separados por comas.
- Integración con Open Science Framework .
- Filtrado de datos: use el código R o una GUI de arrastrar y soltar para seleccionar casos de interés.
- Crear columnas: use el código R o una GUI de arrastrar y soltar para crear nuevas variables a partir de las existentes.
- Copia tablas en formato LaTeX .
- Exportación de resultados en PDF.
Módulos
- Estadísticos de resumen : inferencia bayesiana a partir de estadísticos de resumen frecuentistas para la prueba t, la regresión y las pruebas binomiales.
- BAIN : Evaluación de hipótesis informativas bayesianas [7] para prueba t, ANOVA , ANCOVA y regresión lineal.
- Red : el análisis de red permite al usuario analizar la estructura de la red de variables.
- Metanálisis : incluye técnicas para el análisis de efectos fijos y aleatorios, metarregresión de efectos fijos y mixtos, diagramas de bosque y de embudo, pruebas de asimetría de diagramas de embudo, análisis de ajuste y relleno y análisis de N a prueba de fallas.
- Aprendizaje automático : el módulo de aprendizaje automático contiene 13 análisis para el aprendizaje supervisado y no supervisado:
- Regresión
- Impulsar la regresión
- Regresión K-Vecinos más cercanos
- Regresión aleatoria de bosque
- Regresión lineal regularizada
- Clasificación
- Impulsar la clasificación
- Clasificación K-Vecinos más cercanos
- Clasificación discriminante lineal
- Clasificación aleatoria de bosques
- Agrupación
- Agrupación basada en densidad
- Agrupación difusa de medias C
- Agrupación jerárquica
- Agrupación de K-medias
- Regresión
- SEM : Modelado de ecuaciones estructurales. [8]
- Módulo JAGS
- Descubrir distribuciones
- Prueba de equivalencia
Referencias
- ^ Wagenmakers EJ, Love J, Marsman M, Jamil T, Ly A, Verhagen J, et al. (Febrero de 2018). "Inferencia bayesiana para psicología. Parte II: Aplicaciones de ejemplo con JASP" . Boletín y revisión psiconómica . 25 (1): 58–76. doi : 10.3758 / s13423-017-1323-7 . PMC 5862926 . PMID 28685272 .
- ^ Love J, Selker R, Verhagen J, Marsman M, Gronau QF, Jamil T, Smira M, Epskamp S, Wil A, Ly A, Matzke D, Wagenmakers EJ, Morey MD, Rouder JN (2015). "Software para mejorar sus estadísticas" . Observador de APS . 28 (3).
- ^ Quintana DS, Williams DR (junio de 2018). "Alternativas bayesianas para pruebas de significación de hipótesis nulas comunes en psiquiatría: una guía no técnica utilizando JASP" . Psiquiatría BMC . 18 (1): 178. doi : 10.1186 / s12888-018-1761-4 . PMC 5991426 . PMID 29879931 .
- ^ Brydges CR, Gaeta L (diciembre de 2019). "Una introducción al cálculo de factores de Bayes en JASP para la investigación del habla, el lenguaje y la audición". Revista de investigación del habla, el lenguaje y la audición . 62 (12): 4523–4533. doi : 10.1044 / 2019_JSLHR-H-19-0183 . PMID 31830850 .
- ^ Nuzzo RL (diciembre de 2017). "Una introducción al análisis de datos bayesianos para correlaciones" . PM&R . 9 (12): 1278-1282. doi : 10.1016 / j.pmrj.2017.11.003 . PMID 29274678 .
- ^ Ly A, Raj A, Etz A, Marsman M, Gronau QF, Wagenmakers E (30 de mayo de 2017). "Reanálisis bayesianos de estadísticas de resumen: una guía para consumidores académicos" . Marco de ciencia abierta .
- ^ Gu, Xin; Mulder, Joris; Hoijtink, Herbert (2018). "Factores de Bayes fraccionales ajustados aproximados: un método general para probar hipótesis informativas" . Revista británica de psicología matemática y estadística . 71 (2): 229–261. doi : 10.1111 / bmsp.12110 . ISSN 2044-8317 . PMID 28857129 .
- ^ Kline, Rex B. (3 de noviembre de 2015). Principios y práctica del modelado de ecuaciones estructurales, cuarta edición . Publicaciones de Guilford. ISBN 9781462523351.
enlaces externos
- Página web oficial
- jasp-desktop en GitHub