<span style="font-weight: 600; font-size: 18px;"> <i class="fas fa-brain" role="presentation" aria-label="brain icon"></i> NETPSY PROFESSIONAL </span>

NetPsy

Psychological Network Analysis

Regístrate para acceder a la aplicación

Dr. José Ventura-León | NetPsy v2.0

Configuración del Análisis

Datos y Variables
Grupos y Configuración
Configuración del Análisis

Pasos:

1. Carga tu archivo 2. Selecciona las variables 3. Configura los grupos (opcional) 4. Ejecuta el análisis

Datos numéricos requeridos

Carga de Datos

Selecciona tu archivo

Formatos soportados: Excel (.xlsx) o CSV (.csv)

Buscar archivo...

Variables de Análisis

Variables para el análisis

Selecciona las variables que deseas incluir en la red

Configuración de Grupos

Nombres de grupos

Separados por comas

Tamaños de grupos

Números separados por comas

La suma de tamaños debe coincidir con el número de variables seleccionadas.

Parámetros de Estimación de la Red

Selecciona el Estimador Cada opción incluye parámetros óptimos predefinidos

Método de Correlación Aplica a ggmModSelect y EBICglasso

Configuración de la Centralidad

Medida principal

Medida puente (opcional)

Las medidas de puente requieren al menos 2 grupos válidos.

Paleta de Colores de la Red

Seleccionar paleta

Paletas de Wes Anderson. Cada paleta ofrece combinaciones de colores únicas inspiradas en sus películas.

Vista de Datos

Vista Previa de Datos

Inspección de datos

Estadísticos descriptivos se calculan al cargar los datos. Goldbricker requiere haber ejecutado el análisis en la pestaña Configuración .

Formato de descarga

Decimales

Descargar estadísticos

Ancho (pulgadas)

Alto (pulgadas)

DPI

Descargar PNG

Topología de la red

Matriz de adyacencia
Edges
Density
Propiedades del grafo

Matriz de adyacencia (network$graph)

Decimales

Valores absolutos |w_ij|

Descargar matriz (XLSX)

Resumen de aristas

Usar valores absolutos

Decimales

Estimación de la Red

Configuración Visual de la Red

Dispersión de nodos

Mostrar pesos de aristas

Controla la separación entre nodos. Valores > 1 expanden la red, < 1 la contraen. Mover el control reorganiza el layout.

Grafo
Centralidad
Red y Centralidad
Estimación de la Red

Visualización de la Red

Centralidad de Nodos

Red

Centralidad

Descargar Figura Combinada

Ancho (pulgadas):

Alto (pulgadas):

DPI:

Descargar

Análisis de Estabilidad y Precisión

Configuración

Case Dropping:

Non-Parametric:

Estadísticos:

Mostrar etiquetas (labels) en los gráficos

Tamaño de labels (bootstrap):

Estado del Análisis

Case Dropping Bootstrap

Progreso 0 / 100

Non-Parametric Bootstrap

Progreso 0 / 100

Tiempo Estimado

Recursos

Estado General

Estabilidad (Case Dropping)

Precisión (Non-Parametric)

Índice de Estabilidad de Correlación (CS)

Criterios: Excelente ≥ 0.75, Adecuado 0.50–0.74, Bajo < 0.50.

Descargar CS (CSV)

Figura Final para Publicación

Configuración de Descarga

📐

Dimensiones de la Figura

Ancho (pulgadas):

Alto (pulgadas):

DPI:

Descargar Figura

Formato: JPG de alta calidad

Resumen de correlaciones boot vs. original

Estadístico

Decimales

Descargar (XLSX)

La tabla resume la correlación entre cada estadístico/nodo estimado con muestra completa y los valores re-estimados al reducir el tamaño muestral (Case Dropping).
Columnas: type (estadístico), nPerson (tamaño de submuestra), mean_cor (correlación media), lo/hi (IC 95% por percentiles), n_boot (repeticiones), p_sampled (proporción de muestra).

Resumen de aristas (nonparametric bootstrap)

Solo aristas con IC95% que excluye 0

Orden

Decimales

Descargar (XLSX)

Fuente: InterconectaR::summarise_nonparametric_edges(). Columnas: id (A--B), sample (peso en muestra completa), boot_mean (media bootstrap), ci_lo/ci_hi (IC95%), n_boot (repeticiones), ci_covers_zero (¿IC incluye 0?).

Comparación de Grupos

Configuración

Variable de agrupación:

Grupo 1:

Grupo 2:

Métricas de Centralidad

Usando configuración de la red principal:
• Gráfico Centralidad:
• Gráfico Bridge:

Para cambiar, ve a Configuración de la Centralidad en la pestaña Red.

Network Comparison Test (NCT)

Iteraciones NCT:

Semilla (seed) para reproducibilidad:

Más iteraciones = mayor precisión pero más tiempo
La semilla asegura resultados reproducibles

Estado del Análisis

Progreso General

0 / 100

NCT Status

0 / 100

Network Comparison Test - Resultados

📋 Interpretación:

Network Invariance (M): ¿Son las redes globalmente diferentes?
Global Strength (S): ¿Difiere la conectividad total?
Edge Invariance: ¿Qué aristas específicas difieren entre grupos?
Centrality: ¿Qué nodos difieren en centralidad entre grupos?
p < 0.05: Diferencias significativas
p ≥ 0.05: No hay diferencias significativas
Corrección de Holm aplicada a comparaciones múltiples de aristas

Resumen Visual NCT

Descargar NCT

Comparación Grupos Completa

Configuración de Descarga

📐

Dimensiones de la Figura

Ancho total (pulgadas):

Alto (pulgadas):

DPI:

📊 Proporciones de Paneles

Ancho Panel A (Redes):

Ancho Paneles B+C:

Panel A: Redes por grupo
Paneles B+C: Centralidad y Bridge

Descargar Comparación

Formato: JPG de alta calidad

Estado:

Métricas de Tamaño del Efecto

Correlación de Spearman

Similitud entre matrices de adyacencia

Diferencia Absoluta Media

Promedio de diferencias |w₁ - w₂|

Diferencia Máxima

Mayor diferencia entre aristas

Interpretación Detallada

📊 Guía de Interpretación:

Correlación > 0.90: Redes muy similares
Correlación 0.70-0.90: Similitud moderada-alta
Correlación 0.50-0.70: Similitud moderada
Correlación < 0.50: Redes sustancialmente diferentes

Generate Analysis Report with ChatGPT

This section allows you to automatically generate academic methods and results sections using ChatGPT API.

Steps:

Complete your analyses in the previous tabs
Enter your OpenAI API key (get one at OpenAI Platform)
Choose the language for your report
Click "Generate Report" and wait for the results

Note: The app uses the fixed model GPT-4.1.

OpenAI API Key

Your API key is not stored and is only used for this session

Report Language

FINAL

Debug Info

Report Preview

Download DOCX

Download Markdown

Guardar Proyecto

Respaldo de datos

Guarda todo tu trabajo: datos cargados, configuración, redes estimadas, bootstrap, comparación de grupos y reporte IA.

Descargar Estado (.rds)

Cargar Proyecto

Restaurar datos

Carga un proyecto guardado previamente para continuar tu análisis donde lo dejaste.

Seleccionar archivo

Examinar...

Cómo citar NetPsy

Reconocimiento Académico

Cita APA 7ma Edición

Ventura-León, J., Sánchez-Villena, A. R., Gamboa-Melgar, G., Ruiz-Castro, J., Tocto-Muñoz, S., & Lino-Cruz, C. (2026). NetPsy: An Open-Source Interactive R/Shiny Web Application for Undirected Psychological Network Analysis [Preprint]. PsyArXiv.

Información del Software

Autor principal: Dr. José Ventura-León

Año: 2026

Versión: 1.0

Tipo: Aplicación Shiny para análisis de redes psicológicas

Lenguaje: R / Shiny

Licencia: Open-Source

Importante

Si utilizas NetPsy en tu investigación o trabajo académico, te agradecemos incluir esta cita para reconocer el trabajo de los autores y permitir que otros investigadores accedan a esta herramienta.

Acerca de NetPsy

Análisis de Redes Psicológicas

NetPsy es una aplicación web interactiva de código abierto diseñada para el análisis de redes psicológicas no dirigidas. Permite cargar datos, estimar redes (GGM, EBICglasso, MGM), calcular medidas de centralidad, realizar análisis de estabilidad mediante bootstrap, y comparar redes entre grupos.

La aplicación integra múltiples métodos estadísticos en un flujo de trabajo guiado, desde la configuración inicial hasta la generación automática de reportes académicos con inteligencia artificial.

Funcionalidades Principales

Estimación de redes: ggmModSelect, EBICglasso, FIML, WLS, MGM
Centralidad: Strength, Expected Influence, Bridge Centrality
Goldbricker: Detección y remoción de ítems redundantes
Bootstrap: Case-dropping y no paramétrico con CS-coefficient
Comparación: Redes por grupos + Network Comparison Test (NCT)
Reporte IA: Generación automática de métodos y resultados con ChatGPT

Flujo de Trabajo Recomendado

Cargar datos (CSV o XLSX) y seleccionar variables
Configurar grupos y parámetros del estimador
Revisar estadísticos descriptivos y Goldbricker
Estimar la red y analizar centralidad
Ejecutar análisis de bootstrap para estabilidad
Comparar redes entre grupos (si aplica)
Generar reporte académico con IA

Dr. José Ventura-León

Universidad Privada del Norte (UPN)

En caso de bugs o errores, escribe a: info@joseventuraleon.com