Citas para Paquetes de R
Introducción
Una parte fundamental del trabajo académico y de investigación es dar el debido crédito a las herramientas que utilizamos. En el ecosistema de R, los paquetes son contribuciones de miles de investigadores y desarrolladores de todo el mundo. Citar los paquetes que usamos no solo es una buena práctica, sino que también asegura la transparencia y reproducibilidad de nuestro trabajo.
En nuestros análisis, hemos dependido en gran medida del ecosistema tidyverse para la manipulación y visualización de datos (Wickham 2023), que incluye paquetes tan importantes como ggplot2 y dplyr. Para la lectura de ficheros de datos provenientes de SPSS, utilizamos el paquete haven (Wickham et al. 2025).
Las pruebas de supuestos estadísticos se realizaron con herramientas específicas: la prueba de Levene para la homoscedasticidad se implementó con el paquete car (Fox et al. 2026), mientras que las pruebas de normalidad se apoyaron en el paquete nortest (Gross and Ligges 2015).
Para reportar nuestros resultados de manera profesional, calculamos los tamaños del efecto con el paquete effectsize (Ben-Shachar et al. 2026) y creamos tablas de resumen elegantes con gtsummary (Sjoberg et al. 2025). Todo este trabajo se realizó utilizando el lenguaje de programación R (R Core Team 2025) y se compiló en este documento gracias a knitr (Xie 2025).
Para el análisis de correspondencias se han añadido gplots (Warnes et al. 2025), ca (Greenacre and Nenadic 2020), FactoMineR (Husson et al. 2026) y factoextra(Kassambara and Mundt 2026).
Para el análisis de componentes principales no se han añadido nuevos paquetes.
Para el análisis clúster se han añadido los paquetes NbClust (Charrad et al. 2022) y mclust (Fraley et al. 2025).