En una anterior reseña sobre las ventajas del enfoque bayesiano frente a la inferencia clásica, se brindó un panorama general de los beneficios que presenta esta nueva perspectiva en la investigación psicológica para la estimación de los parámetros bayesianos y el uso la prueba de hipótesis bayesiana a través del factor de Bayes.
La mayoría de afirmaciones que se realizan en la investigación psicológica se apoyan en el p valor, enmarcado en el uso de la prueba de significancia de la hipótesis nula (NHST), utilizada para realizar la inferencia estadística (Pernet, 2015).
El meta-análisis es una metodología que, al igual que la revisión sistemática, permite integrar los resultados de estudios primarios de un tema en particular, diferenciándose de esta por la utilización de métodos estadísticos para analizar y resumir dichos resultados (Ato, López y Benavente, 2013).
Los modelos de ecuaciones estructurales (SEM) son un conjunto de técnicas estadísticas multivariadas, denominadas de segunda generación, que combinan el uso del análisis factorial y la regresión.
El análisis de redes representa un nuevo enfoque teórico reciente en psicología que brinda una nueva forma de entender e intervenir en las conductas, ya que permite formas alternativas de observar, analizar, medir y comprender relaciones entre variables como los fenómenos psicopatológicos.
En los últimos años, el papel que cumple la estadística inferencial ha sido muy cuestionada en el mundo científico. Por tal motivo, se han tenido intensos debates, plasmados en artículos o eventos académicos, respecto a las limitaciones o usos inadecuados de la inferencia estadística.
En la actualidad, es indiscutible que el análisis de datos estadísticos tiene un papel importante en la investigación. Debido a ello, es esencial que todo investigador tenga cierto grado de alfabetización estadística.
El estudio del significado y la comprobación de las puntuaciones obtenidas por los tests, constituye uno de los elementos de la validez (Elosua, 2003).
Crede y Harms (2019) afirman que actualmente los journals muestran una tendencia a ocultar evidencia que refute una teoría, modelo o hipótesis, y presentan principalmente aquella que las apoye, aun cuando esas supuestas evidencias sean el resultado de decisiones cuestionables durante el análisis de los datos.
El Análisis factorial exploratorio (AFE) es considerada la técnica por excelencia para hallar las variables latentes o factores comunes de un conjunto de datos o ítems.