Metodologías Cuantitativas Aplicadas a la Investigación Logística: Rigor Estadístico en el Análisis de la Economía Operativa de la Cadena de Suministro
DOI:
https://doi.org/10.70625/rmis/706Palabras clave:
Analítica de grandes datos, Protocolo PRISMA, Ecuaciones estructurales, Razonamiento abductivo, Sostenibilidad corporativaResumen
Introducción: La ciencia logística muestra un crecimiento sustantivo, pero carece de una reflexión profunda sobre sus métodos analíticos, lo cual genera una proliferación técnica de herramientas que a menudo carecen del rigor analítico necesario. Objetivo: Examinar de forma crítica los fundamentos epistemológicos y la evolución temporal de los diseños predominantes en la investigación contemporánea. Metodología: Se aplicó un enfoque mixto, descriptivo y documental basado en el protocolo PRISMA y el análisis bibliométrico sobre veinte artículos fundacionales publicados entre dos mil tres y dos mil veinticuatro. Los criterios críticos de exclusión aplicados durante el cribado descartaron estrictamente aquellos estudios sin foco metodológico cuantitativo, mientras que en la fase de elegibilidad se eliminaron los documentos sin aporte epistemológico o estadístico directo. Conclusiones: Los hallazgos revelan una clara transición desde enfoques postpositivistas deductivos hacia modelos predictivos abductivos. Sin embargo, existe una profunda fragmentación paramétrica en las escalas que impide consolidar metaanálisis. Por lo tanto, resulta imperativo desarrollar una infraestructura comunitaria altamente estandarizada que permita elevar la validez operativa y la tasa de absorción de variabilidad frente a la alta complejidad de las cadenas de suministro modernas, proyectando finalmente este nivel de rigor hacia la sostenibilidad corporativa medioambiental.
Referencias
Creswell, J. W. (2014). Research design: Qualitative, quantitative, and mixed methods approaches (4th ed.). SAGE Publications. https://study.sagepub.com/creswellrd4e
Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285–296. https://doi.org/10.1016/j.jbusres.2021.04.070
Dubey, R., Gunasekaran, A., Childe, S. J., Bryde, D. J., Giannakis, M., Foropon, C., Roubaud, D., & Hazen, B. T. (2020). Big data analytics and artificial intelligence pathway to operational performance under the effects of entrepreneurial orientation and environmental dynamism. International Journal of Production Economics, 226, 107599. https://doi.org/10.1016/j.ijpe.2019.04.005
Ellinger, A. E., Natarajarathinam, M., Adams, F. G., Gray, J. B., Hofman, D., & O'Marah, K. (2011). Supply chain management competency and firm financial success. Journal of Business Logistics, 32(3), 214–226. https://doi.org/10.1111/j.2158-1592.2011.01018.x
Fahimnia, B., Sarkis, J., & Davarzani, H. (2015). Green supply chain management: A review and bibliometric analysis. International Journal of Production Economics, 162, 101–114. https://doi.org/10.1016/j.ijpe.2015.01.003
Flores-Sigüenza, P., Marmolejo-Saucedo, J. A., Niembro-Garcia, J., & Lopez-Sanchez, V. M. (2021). A systematic literature review of quantitative models for sustainable supply chain management. Mathematical Biosciences and Engineering, 18(3), 2206–2229. https://doi.org/10.3934/mbe.2021111
Glass, G. V. (1976). Primary, secondary, and meta-analysis of research. Educational Researcher, 5(10), 3–8. https://doi.org/10.3102/0013189X005010003
Gunasekaran, A., Papadopoulos, T., Dubey, R., Wamba, S. F., Childe, S. J., Hazen, B., & Akter, S. (2017). Big data and predictive analytics for supply chain and organizational performance. Journal of Business Research, 70, 308–317. https://doi.org/10.1016/j.jbusres.2016.08.004
Hair, J. F., Hult, G. T. M., Ringle, C. M., Sarstedt, M., Danks, N. P., & Ray, S. (2021). Partial least squares structural equation modeling (PLS-SEM) using R: A workbook. Springer. https://doi.org/10.1007/978-3-030-80519-7
Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a silver bullet. Journal of Marketing Theory and Practice, 19(2), 139–151. https://doi.org/10.2753/MTP1069-6679190202
Hosseini, S., Ivanov, D., & Dolgui, A. (2019). Review of quantitative methods for supply chain resilience analysis. Transportation Research Part E: Logistics and Transportation Review, 125, 285–307. https://doi.org/10.1016/j.tre.2019.03.001
Jöreskog, K. G. (1970). A general method for analysis of covariance structures. Biometrika, 57(2), 239–251. https://doi.org/10.1093/biomet/57.2.239
Kovács, G., & Spens, K. M. (2005). Abductive reasoning in logistics research. International Journal of Physical Distribution & Logistics Management, 35(2), 132–144. https://doi.org/10.1108/09600030510590318
Liberati, A., Altman, D. G., Tetzlaff, J., Mulrow, C., Gøtzsche, P. C., Ioannidis, J. P. A., Clarke, M., Devereaux, P. J., Kleijnen, J., & Moher, D. (2009). The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate health care interventions: Explanation and elaboration. Annals of Internal Medicine, 151(4), W65. https://doi.org/10.7326/0003-4819-151-4-200908180-00136
Linnenluecke, M. K., Marrone, M., & Singh, A. K. (2020). Conducting systematic literature reviews and bibliometric analyses. Australian Journal of Management, 45(2), 175–194. https://doi.org/10.1177/0312896219877678
Moher, D., Liberati, A., Tetzlaff, J., Altman, D. G., & PRISMA Group. (2009). Preferred reporting items for systematic reviews and meta-analyses: The PRISMA statement. PLoS Medicine, 6(7), e1000097. https://doi.org/10.1371/journal.pmed.1000097
Nakagawa, S., & Freckleton, R. P. (2011). Model averaging, missing data and multiple imputation: A case study for behavioural ecology. Behavioral Ecology and Sociobiology, 65(1), 103–116. https://doi.org/10.1007/s00265-010-1044-7
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., ... Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
Seuring, S., & Gold, S. (2012). Conducting content-analysis based literature reviews in supply chain management. Supply Chain Management: An International Journal, 17(5), 544–555. https://doi.org/10.1108/13598541211258609
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039
Tranfield, D., Denyer, D., & Smart, P. (2003). Towards a methodology for developing evidence-informed management knowledge by means of systematic review. British Journal of Management, 14(3), 207–222. https://doi.org/10.1111/1467-8551.00375
Wamba, S. F., Gunasekaran, A., Akter, S., Ren, S. J., Dubey, R., & Childe, S. J. (2017). Big data analytics and firm performance: Effects of dynamic capabilities. Journal of Business Research, 70, 356–365. https://doi.org/10.1016/j.jbusres.2016.08.009
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Revista Multidisciplinar Innova Scientia

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.














