Software estadístico: SPSS, R y Jamovi

SPSS: ventanas y menús. R: código. Jamovi: hoja de cálculo con menús sobre R. La base de datos es la misma en los tres.

Tres herramientas y una misma mesa de trabajo

En una clase de análisis cuantitativo aparecen tres nombres una y otra vez: SPSS, R y Jamovi. Antes de aprender a usarlos conviene responder una pregunta de fondo, porque de ella depende el resto del curso: ¿son tres cosas diferentes o tres maneras de llegar al mismo sitio? La respuesta corta es que son tres maneras de llegar al mismo sitio. Los tres leen una base de datos, calculan estadísticos sobre las variables que seleccionas y muestran resultados. La diferencia real está en dos lugares: dónde vive la lógica del cálculo y qué tan a la vista queda.

SPSS es un programa de escritorio con licencia comercial. La empresa que lo creó fue adquirida por IBM en 2009, y desde entonces el producto se llama IBM SPSS Statistics. La versión 32, publicada el 23 de abril de 2026, añadió procedimientos nuevos como el análisis de mediación y los modelos de autorregresión vectorial, además de un visor de resultados con control de columnas. La forma de trabajar es la de un programa de ofimática: ventanas, diálogos y un archivo de salida donde se acumulan tablas y gráficos.

R es otra cosa. R es un lenguaje de programación y un entorno de cálculo estadístico, un proyecto GNU con licencia libre. Fue creado en los años noventa a partir del lenguaje S y hoy se distribuye con licencia GPL. Lo que se instala en la computadora es un intérprete de un lenguaje. Cada análisis se escribe como una llamada a una función, y ninguna de esas llamadas aparece detrás de un botón. En un entorno de desarrollo como RStudio, la escritura del código y la lectura del resultado conviven en la misma pantalla.

Jamovi se entiende con más claridad cuando se lee como la tercera opción del mismo dilema. Es una interfaz gráfica construida sobre R. Por arriba se ve una hoja de cálculo con menús, parecida a la de SPSS; por debajo está R ejecutando los cálculos, y el propio programa muestra el código R detrás de cada análisis. Es libre, de código abierto y lo mantiene una comunidad de investigadores y desarrolladores; el proyecto indica que más de trescientas universidades lo usan en docencia. Las actualizaciones del proyecto son frecuentes y la numeración de versiones cambia a menudo, así que conviene registrar la versión usada en el trabajo.

Esta diferencia de fondo es la que explica la mayor parte de las confusiones del curso. Un estudiante que empieza en Jamovi y luego abre R mantiene el programa y cambia de nivel de acceso. En Jamovi ve el menú y el resultado; en R ve el código y el resultado. Lo que se puede hacer cambia poco; lo que se puede explicar, personalizar y automatizar cambia mucho.

SPSS: la ventana de trabajo

La primera vez que se abre SPSS conviene saber cuántas ventanas hay, porque buena parte de la confusión inicial viene de no saber en cuál de ellas se está escribiendo. La ventana central es el Editor de datos, y tiene dos pestañas. En Vista de datos se ve la base en forma de hoja: las columnas son variables y las filas son casos. En Vista de variables se ve la ficha de cada variable, una fila por variable, con sus atributos.

Esa ficha importa más de lo que parece en un primer contacto, porque en el software el tipo de variable decide qué se puede calcular. En Vista de variables se declaran el nombre, el tipo de dato, la etiqueta descriptiva, los valores de las categorías, los códigos de dato faltante y el nivel de medición. El nivel de medición, en particular, es la declaración que le dice al programa si la variable es nominal, ordinal o de escala, y con esa declaración el programa sugiere qué prueba corresponde y qué gráficos resultan pertinentes.

El Visor de resultados es donde vive el producto final del programa. Cuando se ejecuta un procedimiento, el software no sustituye lo anterior: agrega una sección nueva con las tablas del cálculo, los gráficos solicitados y los avisos. Esa acumulación es cómoda para explorar y engorrosa para un informe final, donde el estudiante termina copiando las tablas que le interesan hacia un documento. Guardar el archivo de salida, en cambio, conserva todo, incluido lo que no se iba a usar.

La tercera ventana, el Editor de sintaxis, es la que separa a un usuario de SPSS de un usuario de SPSS con criterio. Cada procedimiento del menú tiene un comando escrito: el diálogo se puede pegar como texto y ese texto se puede editar, guardar en un archivo con extensión propia del programa y volver a ejecutar después de cambiar una opción. Eso convierte el análisis en algo repetible, y es la base de la reproducibilidad que más adelante se examina con R.

R: un lenguaje y un entorno

La diferencia entre abrir SPSS y abrir R se nota en la primera línea. En SPSS se elige una opción de un menú. En R se escribe una instrucción que el intérprete evalúa y devuelve. Esa instrucción puede ser algo corto, del tipo asignar un valor a un objeto, o algo más extenso, del tipo filtrar filas, ajustar un modelo y pedir un resumen. Todo lo que hace SPSS con clics, R lo hace con texto; y el texto se puede guardar en un archivo, versionar, compartir y volver a correr sin tocar una tecla.

R tiene dos piezas que conviene separar desde el primer día. La primera es el lenguaje: reglas de sintaxis, funciones, objetos y operadores. La segunda es el entorno: un conjunto grande de herramientas ya instaladas que resuelven lo más común. A esa segunda capa se le llama bibliotecas o paquetes, y se gestionan fuera de la sesión de trabajo.

Los objetos son la otra diferencia central. En R, cada resultado del análisis queda guardado con nombre dentro de la sesión. Un modelo ajustado no desaparece al salir de una tabla: sigue disponible, se puede volver a consultar, comparar con otro modelo, resumir de otra forma o convertir en tabla. Esa permanencia es lo que hace de R una herramienta de trabajo y no solo una calculadora.

El proyecto R se apoya en una red de repositorios. El más usado es CRAN, el Comprehensive R Archive Network, donde la cifra de paquetes disponibles ronda ya los veinticinco mil, revisados de forma periódica antes de entrar. Cada paquete tiene una persona o grupo que lo mantiene y una revisión de la que se ocupa la comunidad. En la práctica, cuando un método nuevo aparece en la literatura, en R suele existir antes que en los programas comerciales.

Qué es un paquete en R

Un paquete es una carpeta con nombre que reúne código, datos, ayuda y pruebas de un conjunto de funciones relacionadas. Un paquete no funciona como un complemento de barras del programa. Es una unidad de código que se instala una vez y se carga en cada sesión de trabajo en que se va a usar. Entender esa diferencia evita una de las confusiones más frecuentes del primer mes con R, cuando el análisis no aparece porque el paquete está instalado pero no cargado.

Un paquete en R bien armado trae varias piezas reconocibles. La documentación incluye una página de referencia por función, con sus argumentos, el valor que devuelve y ejemplos que se pueden copiar. Los datos de ejemplo permiten probar la función sin tener una base propia. El archivo de descripción declara qué dependencias necesita, es decir, qué otros paquetes deben estar presentes para que funcione. Los archivos de prueba comprueban que los resultados esperados se reproduzcan.

Las dependencias son la parte menos visible y la que más tiempo consume al principio. Un paquete puede depender de otros dos o tres, y esos de otros dos o tres, que a su vez dependen de otros. Por eso el primer análisis con un paquete nuevo puede tardar: el sistema descarga la cadena completa, la compila si hace falta y la deja preparada para las siguientes sesiones.

1. Buscar el paquete. Se consulta el catálogo de CRAN o se pregunta en la documentación del curso. Un paquete bien elegido tiene nombre corto, documentación completa y ejemplos que se parecen a la base con la que se va a trabajar.
2. Instalar. La instalación ocurre una sola vez por computadora y por versión de R. Es la etapa lenta, porque descarga y compila lo que hace falta.
3. Cargar. Al empezar la sesión se carga la biblioteca con la función de carga. Solo entonces las funciones del paquete quedan disponibles en la consola.
4. Usar la función. Se llama la función con los datos y las opciones. El resultado queda en un objeto con nombre, listo para resumir o graficar.
5. Documentar la versión. Se anota el número de versión del paquete usado, porque el comportamiento de una función puede cambiar entre versiones y eso puede mover un resultado.

El caso de Jamovi ilumina esta arquitectura. Los análisis de jamovi se publican en CRAN como un paquete propio, el paquete jmv, y cada módulo de la interfaz es la forma gráfica de una función de ese paquete. Eso significa que una persona que usa Jamovi está usando R, aunque no lo escriba, y que quien crea un módulo nuevo lo hace con las herramientas de desarrollo del proyecto y lo comparte con la comunidad.

Jamovi: la interfaz que se apoya en R

El proyecto jamovi publicó su primera versión en 2017 y se presenta hoy como una plataforma estadística gratuita y de código abierto, construida por la comunidad. Su premisa es que el software científico puede ser gratuito, abierto y a la vez cómodo. La interfaz mezcla dos mundos: a la izquierda los menús de análisis con sus opciones, a la derecha los resultados que se actualizan en el momento en que se cambia un dato o una casilla.

El recálculo automático es un detalle de diseño con efecto pedagógico. En SPSS, cambiar una opción exige volver a ejecutar el procedimiento y esperar la tabla. En Jamovi, mover una variable de un grupo a otro actualiza la salida al instante, lo que permite ver el efecto de una decisión sin pasos intermedios. Para quien está aprendiendo, esa respuesta inmediata enseña por inducción qué hace cada opción.

El segundo rasgo de fondo es que Jamovi deja R a la vista. Cada análisis muestra su código R equivalente, listo para copiar. Con el modo sintaxis activado, el estudiante ve la instrucción que se está ejecutando y puede pegarla en el editor interno, el Rj Editor, que corre R dentro de la misma aplicación con los datos ya cargados. La escalera de aprendizaje queda explícita: se empieza con clics y se termina con código sin cambiar de programa.

El manejo de archivos es generoso. Jamovi abre archivos de SPSS, de SAS, de Stata, archivos de texto separado por comas, hojas de cálculo de Excel y objetos de R, sin paso previo de conversión. Y guarda el trabajo en un archivo propio, con extensión omv, que contiene los datos, los análisis, sus opciones y los resultados: se reabre tal como se dejó. Para una clase, esa unidad de trabajo resulta cómoda, porque el estudiante entrega un archivo y el docente ve exactamente lo que el estudiante hizo.

Dónde se declara cada cosa

La misma operación recibe otro nombre en cada programa, y esa diferencia de vocabulario es la que más confunde cuando se pasa de uno a otro. El esquema siguiente toma una operación de cada tipo y muestra dónde vive en las tres herramientas.

Las tres herramientas, fila por fila

Una tabla vale más que un párrafo cuando la comparación tiene varias dimensiones. La que sigue ordena lo que cambia y lo que no entre las tres herramientas, y conviene memorizarla por filas, no por columnas.

Criterio	SPSS	R	Jamovi
Naturaleza	Programa de escritorio con licencia comercial de IBM	Lenguaje y entorno de cálculo, proyecto GNU con licencia GPL	Interfaz gráfica libre sobre R, mantenida por la comunidad
Unidad de trabajo	Ventanas: editor de datos, visor de resultados, editor de sintaxis	Objetos en memoria y scripts de texto	Hoja de cálculo, paneles de análisis y de resultados
Cómo se pide un análisis	Menús y diálogos; se puede pegar la sintaxis equivalente	Se escribe la llamada a una función	Menús y opciones; se puede ver el código R detrás
Dónde queda el resultado	Tablas y gráficos en el visor de resultados, con advertencias	En un objeto con nombre, disponible para volver a consultarlo	En el panel de resultados, que se recalcula al cambiar una opción
Gráficos	Menú de gráficos con plantillas del programa	Se construyen con código; alta calidad editorial	Se crean con el sistema de R y se ajustan desde el panel
Formatos que abre	Archivos propios y de texto, Excel, bases de datos	Archivos de texto, Excel, bases de datos y formatos de otros programas	Archivos de SPSS, SAS, Stata, texto, Excel y objetos de R
Extensibilidad	Extensiones del hub del programa, con licencias aparte	Paquetes de CRAN y de otros repositorios	Módulos de la biblioteca de la comunidad, revise con R
Curva de entrada	Suave: todo está en los menús	Exigente: hay que aprender a escribir y a leer objetos	Suave: todo está en los menús, con R al fondo

Un análisis, paso a paso

La secuencia de trabajo es la misma en las tres herramientas, aunque cada paso se vea diferente. Conviene tenerla en la cabeza porque es la que se evalúa en un parcial práctico: no basta con obtener la tabla correcta, hay que saber qué se pidió, con qué opciones y con qué datos.

misma base misma lógica mismo resultado

El primer paso es el que más se salta la gente y el que más problemas evita. En SPSS, la declaración de variables se hace en la Vista de variables del editor de datos. En R, se hace al leer el archivo o al crear el objeto con la función de lectura, y el tipo se declara dentro de la base o con una función de conversión. En Jamovi, la declaración aparece en el panel de variables, con el tipo, la escala y las etiquetas. En los tres casos el contenido es el mismo: nombre, tipo, etiqueta, categorías, faltantes y escala de medición.

El segundo paso consiste en elegir el procedimiento y fijar sus opciones. Aquí es donde se juega buena parte del resultado, y donde conviene ser deliberado. En una comparación de medias, por ejemplo, hay que decidir si se asumen varianzas iguales o no, si el grupo es independiente o pareado, qué nivel de significancia se usa y qué contraste se aplica para las comparaciones a posteriori. Cada decisión se ve reflejada en una casilla del diálogo, en una línea de sintaxis, o en un argumento de la función.

El tercer paso es la ejecución. En SPSS, se pulsa el botón del diálogo y el resultado aparece en el visor. En R, se escribe la instrucción y se pulsa Enter, o se ejecuta la línea del script. En Jamovi, el resultado ya está en pantalla y se recalcula solo. En SPSS y en Jamovi el camino corto está autorizado en un parcial; en R, si el parcial pide el procedimiento, hay que escribirlo.

El cuarto paso es la lectura de la salida, y es donde aparece el detalle fino. Las tablas de SPSS y de Jamovi incluyen una fila de advertencias cuando hay algo que revisar: datos faltantes excluidos, estimadores no robustos, casos excluidos del modelo. Esa fila es información, no un defecto del programa, y en un informe bien escrito se menciona o se justifica la decisión. En R esa información aparece en la consola, a veces como advertencia y a veces como línea del resumen, y conviene leerla antes de copiar el resultado.

El mismo resultado en las tres herramientas

Un ejercicio útil para entender la relación entre las tres es correr el mismo análisis en cada una y comparar. El resultado numérico coincide cuando la prueba, el modelo y el tratamiento de los datos faltantes son los mismos. La forma de presentarlo cambia: SPSS arma una tabla pivoteada con notas al pie, Jamovi arma una tabla con encabezados y notas parecidas, y R devuelve objetos que el investigador decide cómo mostrar.

También hay diferencias que dependen de las decisiones por omisión que trae cada programa. El programa puede incluir los casos faltantes de una variable y excluir los de otra, o puede usar un criterio diferente para las comparaciones a posteriori. Cuando los números no coinciden, el primer paso consiste en comparar las opciones efectivamente aplicadas, en lugar de sospechar del software, que en SPSS se lee en el comando, en Jamovi en el código R mostrado y en R en los argumentos de la función.

Esa es la razón por la que la ventana de sintaxis de SPSS y el modo sintaxis de Jamovi son más valiosos de lo que parecen a primera vista. Muestran la decisión explícita: dejan por escrito qué se hizo con los datos. Un parcial que pide justificar el procedimiento concede más crédito a quien puede señalar la línea exacta que reproduce su tabla.

Cuándo usar cada una en un parcial

La elección de herramienta la fija el enunciado, no la preferencia. Hay cuatro situaciones que se repiten en las universidades latinoamericanas y conviene reconocerlas de entrada.

Un orden corto evita la mitad de los errores de la sala. La decisión se toma por el enunciado, no por la costumbre, y el resto del flujo ya no necesita discusión.

El primer caso es el parcial práctico en un laboratorio con SPSS instalado. El enunciado dice “con SPSS” o “usando el programa SPSS”, y ahí la respuesta es usar SPSS. Cambiar de herramienta por gusto es perder puntos, aunque el resultado numérico sea el mismo. En este caso conviene entregar el archivo de salida y, si el docente lo pide, también el archivo de sintaxis.

El segundo caso es el examen escrito, donde no hay computadora. Lo que se evalúa es el conocimiento del procedimiento: qué prueba corresponde, qué hipótesis se formulan, qué se escribe en la tabla y qué se interpreta. Ahí la herramienta importa poco y el conocimiento del método manda. Saber que SPSS y Jamovi muestran el mismo cálculo ayuda a visualizar el paso, y saber qué hace R con los objetos ayuda a entender qué información hay detrás de cada cifra.

El tercer caso es el trabajo de grado o el proyecto de investigación donde el grupo ya usa R. Ahí el análisis se escribe en R, con paquetes, y la reproducibilidad se vuelve el criterio central: el código queda guardado, el informe se arma con el propio R y quien lo lea puede correrlo. Cambiar a un programa de menús a mitad de camino rompe la continuidad y obliga a rehacer la parte descriptiva.

El cuarto caso es el curso introductorio con laboratorio de jamovi, donde la prioridad es que el estudiante entienda qué hace cada prueba. La interfaz de Jamovi tiene esa ventaja didáctica: la hoja de cálculo y el recálculo inmediato hacen visible el efecto de cada decisión, y el código R queda a la vista como puente hacia la etapa siguiente del curso.

Errores frecuentes en el uso de las herramientas

Para el parcial

Autoevaluación

Explica con tus palabras qué diferencia hay entre R y Jamovi, y por qué se puede decir que Jamovi es una forma de acceso a R.

R es un lenguaje de programación con su propio entorno de cálculo: cada análisis se escribe como una llamada a una función y el resultado queda guardado como un objeto en la sesión. Jamovi es una interfaz gráfica que se apoya en ese mismo lenguaje: los cálculos se ejecutan en R aunque el estudiante los pida con clics, y el propio programa muestra el código R detrás de cada análisis y permite escribir en un editor R interno. El resultado que sale es el mismo en ambos casos. Lo que cambia es el nivel de acceso al cálculo: en Jamovi se ve el menú y la salida; en R se ve el código y la salida.

En un parcial práctico te piden comparar dos grupos con SPSS. Menciona las cuatro ventanas del programa y di para qué sirve cada una.

El Editor de datos es la ventana central y tiene dos pestañas: Vista de datos, donde se ven los casos en una hoja, y Vista de variables, donde se declara cada variable con su nombre, tipo, etiqueta, valores, códigos de faltante y nivel de medición. El Visor de resultados es donde se acumulan las tablas, los gráficos y las advertencias de cada procedimiento ejecutado. El Editor de sintaxis es la ventana de texto donde se escriben los comandos; el botón Pegar del diálogo convierte los clics en sintaxis, y esa sintaxis se guarda como archivo para poder repetir el análisis. Si el enunciado pide también el archivo de salida, se entrega el archivo que genera el Visor de resultados.

Explica qué es un paquete en R y qué pasaría en un parcial si el enunciado pidiera “usar R” y el trabajo se hubiera hecho con clics en Jamovi.

Un paquete en R es una carpeta con nombre que reúne funciones relacionadas, datos de ejemplo, documentación y pruebas, y que declara las dependencias que necesita. Se instala una sola vez por computadora y por versión de R, desde CRAN, y se carga al inicio de cada sesión de trabajo en la que se va a usar. Si el enunciado pide usar R y el trabajo se hizo con clics en Jamovi, el número puede ser correcto y el trabajo queda sin cumplir: la herramienta es R en ambos casos, pero la forma de dejar la evidencia y la posibilidad de reproducir el análisis cambian. El camino para corregirlo es activar el modo sintaxis en Jamovi, copiar el código R de cada análisis y ejecutarlo en el editor R interno.

Corriste el mismo análisis en SPSS y en R y los números no coinciden. ¿Por dónde empieza la búsqueda del error?

Por la comparación de las opciones efectivamente aplicadas, no por sospechar del software. Se revisa el detalle de la prueba, el tipo de variable, el tratamiento de los casos faltantes, la suposición de varianzas y los contrastes a posteriori. En SPSS ese detalle está en el comando de sintaxis que el diálogo genera; en R está en los argumentos de la función y en las advertencias de la consola; en Jamovi está en el código R que se muestra junto a la salida. Los programas pueden traer decisiones por omisión que no coinciden entre sí, y por eso las dos salidas pueden diferir sin que ninguna esté mal.

Referencias

IBM. (2026). IBM SPSS Statistics 32.0.0: What’s new. IBM Documentation.

IBM. (s. f.). IBM SPSS Statistics: Data Editor, Variable View y Visor de resultados. IBM Documentation.

R Core Team. (s. f.). R: What is R? R Foundation for Statistical Computing.

R Core Team. (s. f.). CRAN: Contributed Packages. Comprehensive R Archive Network.

The jamovi project. (2026). jamovi (Versión 2.7) [Software de computadora]. jamovi.org

The jamovi project. (s. f.). About jamovi y Features. jamovi.org