Cómo validamos Tharp.

Cinco comprobaciones antes de cada versión

1. Batería contra R. Para cada grupo de análisis, un script de R simula varios conjuntos de datos con semilla fija (muestras de 4 a 600 casos, empates, asimetría, grupos desiguales, hipótesis unilaterales) y calcula los resultados con los paquetes de referencia. Otro script ejecuta las mismas funciones de Tharp y compara cada valor.
2. Comprobación cruzada con Python (SciPy, statsmodels y pingouin), una segunda referencia independiente de R.
3. Resultados de referencia de la aplicación completa. Se ejecutan los análisis desde la interfaz, como lo haría una persona, en 18 escenarios (datos de ejemplo, archivos de SPSS, formato largo, muestras pequeñas, jueces, medidas repetidas…) y se compara el texto completo: tablas, redacción APA y registro de decisiones. Cualquier cambio, aunque sea de un decimal, detiene la publicación. La prueba se repite contra la web ya publicada.
4. El script de R de cada análisis. En 39 escenarios se ejecuta el script de R que genera Tharp y se comprueba que cada número que muestra Tharp aparece en la salida de R con el mismo redondeo.
5. Lectura de datos. R lee los mismos casos, valores perdidos y categorías que Tharp. La importación de SPSS se compara con pyreadstat, incluidos archivos reales de SPSS 23 y 25, y la de JASP con los 1052 archivos de ejemplo oficiales.

Criterio de coincidencia

Un valor de Tharp (a) coincide con el de R (b) si |a − b| ≤ 10⁻⁶ · máx(1, |b|): coinciden al menos seis cifras significativas, muchas más de las dos o tres que se publican. Solo se admite una tolerancia mayor cuando R o Tharp resuelven el problema con un algoritmo iterativo o numérico cuya precisión no llega a 10⁻⁶:

Diferencias estudiadas

Cuando un resultado no coincide, se reproduce el cálculo paso a paso hasta saber por qué. En algunos casos el error estaba en el paquete de R y Tharp usa la fórmula correcta; la batería compara entonces con la fórmula calculada directamente en R.

• Prueba de esfericidad de Mauchly con 4 o más medidas. La función mauchly.test de R escribe 3 * p (con p = número de medidas) en el término de segundo orden de la aproximación de Anderson, cuando la fórmula usa la dimensión de los contrastes (p − 1). car y afex heredan ese término. Con 3 medidas vale cero y los resultados coinciden. Con 4 o más, la p de Mauchly difiere en la cuarta cifra. Tharp usa la fórmula de Anderson. El estadístico W, la corrección de Greenhouse-Geisser y las F coinciden exactamente.
• α de Krippendorff con datos completos. irr::kripp.alpha coincide con la definición de Krippendorff cuando hay valoraciones que faltan, pero se desvía cuando no falta ninguna (por ejemplo, 0.7869 frente a 0.7878). El valor de Tharp coincide con la definición calculada directamente en R y con el paquete krippendorff de Python. La batería compara los casos completos con la definición.
• Hosmer-Lemeshow. La prueba depende de cómo se formen los grupos de riesgo. Tharp usa los deciles de la probabilidad predicha, como ResourceSelection, performance y Stata, con los cortes calculados de forma que los casos empatados en un corte caigan siempre en el mismo grupo.
• Prueba de Brant (regresión ordinal) con varios predictores. El paquete brant copia los bloques de covarianza entre umbrales sin trasponerlos, y su χ² difiere en la tercera cifra. Con un solo predictor coinciden.
• d de Somers con la fila como variable dependiente. DescTools::SomersDelta(direction = "row") usa mal los totales de columna en el error típico. Tharp usa la fórmula correcta. El error típico asintótico de la τ-b es el de SPSS, que difiere del de DescTools en la quinta cifra.
• AFC con modelo saturado (por ejemplo, un factor con 3 ítems, 0 grados de libertad). lavaan da TLI = 1 y RMSEA = 0 por convenio. Tharp los deja sin definir y explica que el ajuste de un modelo saturado no puede contrastarse. Las cargas, los errores típicos y la fiabilidad coinciden.
• Percentiles. Tharp usa el método por defecto de R (tipo 7) y lo indica en la nota de la tabla. SPSS usa por defecto el tipo 6, por lo que los cuartiles pueden diferir ligeramente de los suyos.
• Intervalos bootstrap (mediación y modelos de PROCESS). Dependen del generador de números aleatorios, así que no pueden coincidir cifra a cifra con R. Tharp usa una semilla fija para que el resultado sea reproducible. El intervalo se contrasta con un bootstrap independiente (diferencia < 0,01). Los efectos puntuales y todas las ecuaciones de regresión coinciden con R a 10⁻⁶.

Entorno de referencia: R 4.5.3 (2026-03-11). Página generada a partir del informe técnico de validación de Tharp 1.2.0.