matriz multirasgo-multimétodo

La matriz multirasgo-multimétodo ( MTMM ) es un enfoque para examinar la validez de constructo desarrollado por Campbell y Fiske (1959). ^{[ 1 ]} Organiza la evidencia de validez convergente y discriminante para comparar cómo una medida se relaciona con otras medidas. Este enfoque conceptual ha influido en el diseño experimental y la teoría de la medición en psicología, incluyendo aplicaciones en modelos de ecuaciones estructurales.

En este enfoque se utilizan múltiples rasgos para examinar rasgos (a) similares o (b) diferentes ( constructos ), con el fin de establecer la validez convergente y discriminante entre rasgos. De manera similar, se utilizan múltiples métodos para examinar los efectos diferenciales (o la ausencia de ellos) causados ​​por la varianza específica del método. Las puntuaciones podrían estar correlacionadas porque miden rasgos similares, o porque se basan en métodos similares, o ambas cosas. Cuando variables que se supone que miden constructos diferentes muestran una alta correlación porque se basan en métodos similares, esto a veces se describe como un problema de "varianza molesta" o "sesgo del método". ^{[ 2 ]}

Hay seis consideraciones principales al examinar la validez de un constructo a través de la matriz MTMM, que son las siguientes:

1. Evaluación de la validez convergente : las pruebas diseñadas para medir el mismo constructo deben correlacionarse altamente entre sí.
2. Evaluación de la validez discriminante (divergente) : el constructo que se mide con una prueba no debe correlacionarse altamente con otros constructos.
3. Unidad rasgo-método : Cada tarea o prueba utilizada para medir un constructo se considera una unidad rasgo-método; es decir, la varianza contenida en la medida es en parte rasgo y en parte método. Generalmente, los investigadores buscan una varianza baja específica del método y una varianza alta del rasgo.
4. Multirasgo-multimétodo : Se debe utilizar más de un rasgo y más de un método para establecer (a) la validez discriminante y (b) las contribuciones relativas de la varianza específica del rasgo o del método. Este principio es coherente con las ideas propuestas en el concepto de inferencia fuerte de Platt (1964). ^{[ 3 ]}
5. Metodología verdaderamente diferente : al utilizar varios métodos, es necesario considerar cuán diferentes son las medidas en sí. Por ejemplo, aplicar dos cuestionarios de autoinforme no constituye una diferencia real ; mientras que usar una escala de entrevista o una evaluación psicosomática sí lo sería.
6. Características de los rasgos : Los rasgos deben ser lo suficientemente diferentes como para ser distintos, pero lo suficientemente similares como para que valga la pena examinarlos en el MTMM.

El siguiente ejemplo presenta una matriz prototípica y explica el significado de las correlaciones entre las medidas. La diagonal suele rellenarse con el coeficiente de fiabilidad de la medida (p. ej., coeficiente alfa). Las descripciones entre corchetes [] indican el resultado esperado cuando la validez del constructo (p. ej., depresión o ansiedad) y la validez de las medidas son elevadas.

En este ejemplo, la primera fila muestra el rasgo que se evalúa (es decir, depresión o ansiedad) y el método de evaluación (es decir, cuestionario autoadministrado frente a entrevista). El término «heterométodo» indica que esta celda informa la correlación entre dos métodos distintos. «Monométodo» indica que se utiliza el mismo método (por ejemplo, entrevista y entrevista). «Heterorasgo» indica que la celda se refiere a dos rasgos supuestamente diferentes. «Monorasgo» indica que se supone que se mide el mismo rasgo.

Este marco conceptual deja claro que existen al menos dos fuentes de varianza que pueden influir en las puntuaciones observadas en una medida: no solo el rasgo subyacente (que suele ser el objetivo principal de la medición), sino también el método utilizado para obtenerla. La matriz MTMM utiliza dos o más medidas de cada rasgo y dos o más métodos para comenzar a desentrañar las contribuciones de los diferentes factores. El primer fotograma de la figura animada muestra cómo las cuatro mediciones de la tabla se agrupan en función de su enfoque en los "rasgos" de depresión (BDI y HDRS) y ansiedad (BAI y CGI-A). El segundo muestra que también se agrupan en función del método de obtención: dos utilizan cuestionarios de autoinforme (a menudo denominados "encuestas") y dos se basan en entrevistas (que pueden incorporar la observación directa de la comunicación y el comportamiento no verbales, así como la respuesta del entrevistado).

Con los datos observados, es posible examinar la proporción de varianza compartida entre rasgos y métodos para comprender cuánta varianza específica del método es inducida por el método de medición, así como para observar cuán distinto es el rasgo en comparación con otro.

Idealmente, el rasgo debería importar más que el método específico elegido para su medición. Por ejemplo, si una persona es clasificada como altamente deprimida según una medida, otra medida de depresión también debería arrojar puntuaciones altas. Por otro lado, las personas que parecen estar altamente deprimidas según el Inventario de Depresión de Beck no deberían necesariamente obtener puntuaciones altas de ansiedad en el Inventario de Ansiedad de Beck , ya que se supone que miden constructos diferentes. Dado que los inventarios fueron escritos por la misma persona y tienen un estilo similar, podría existir cierta correlación, pero esta similitud en el método no debería afectar mucho las puntuaciones, por lo que las correlaciones entre estas medidas de diferentes rasgos deberían ser bajas.

Se han utilizado diversos enfoques estadísticos para analizar los datos de la matriz MTMM. El método estándar de Campbell y Fiske se puede implementar utilizando el programa MTMM.EXE disponible en: https://web.archive.org/web/20160304173400/http://gim.med.ucla.edu/FacultyPages/Hays/utils/ También se puede utilizar el análisis factorial confirmatorio ^{[ 4 ]} debido a la complejidad de considerar todos los datos de la matriz. Sin embargo, la prueba I de Sawilowsky ^{[ 5 ] [ 6 ]} considera todos los datos de la matriz con una prueba estadística no paramétrica para la tendencia.

La prueba se realiza reduciendo los triángulos heterotrait-heteromethod y heterotrait-monomethod, junto con las diagonales de validez y fiabilidad, a una matriz de cuatro niveles. Cada nivel consta del valor mínimo, la mediana y el valor máximo. La hipótesis nula es que estos valores no están ordenados, la cual se contrasta con la hipótesis alternativa de una tendencia ordenada creciente. El estadístico de prueba se obtiene contando el número de inversiones (I). El valor crítico para alfa = 0,05 es 10, y para alfa = 0,01 es 14.

Uno de los modelos más utilizados para analizar datos MTMM es el modelo True Score propuesto por Saris y Andrews ( ^{[ 7 ]} ). El modelo True Score se puede expresar mediante las siguientes ecuaciones estandarizadas:

 1) Y ij = r ij TS ij + e ij * donde: Y ij es la variable observada estandarizada medida con el i- ésimo rasgo y el j -ésimo método. r ij es el coeficiente de fiabilidad, que es igual a: r ij = σ Y ij / σ TS ij TS ij es la variable de puntuación verdadera estandarizada e ij * es el error aleatorio, que es igual a: e ij * = e ij / σ Y ij Como consecuencia: r ij 2 = 1 - σ 2 (e ij *) donde:  r ij 2 es la fiabilidad

 2) TS ij = v ij F i + m ij M j donde: v ij es el coeficiente de validez, que es igual a: v ij = σ F i / σ TS ij F i es el factor latente estandarizado para la i -ésima variable de interés (o rasgo) m ij es el efecto del método, que es igual a: m ij = σ M j / σ TS ij M j es el factor latente estandarizado para la reacción al j- ésimo método Como consecuencia: v ij 2 = 1 - m ij 2 donde:  v ij 2 es la validez

 3) Y ij = q ij F i + r ij m ij M j + e* donde: q ij es el coeficiente de calidad, que es igual a: q ij = r ij • v ij  Como consecuencia: q ij 2 = r ij 2 • v ij 2 = σ 2 F i / σ 2 Y ij  donde:  q ij 2 es la calidad

Las suposiciones son las siguientes:

 * Los errores son aleatorios, por lo tanto, la media de los errores es cero: µ e = E (e) = 0 * Los errores aleatorios no están correlacionados entre sí: cov (e i , e j ) = E (e i e j ) = 0 * Los errores aleatorios no están correlacionados con las variables independientes: cov (TS, e) = E (TS e) = 0 , cov (F, e) = E (F e) = 0 y cov (M, e) = E (M e) = 0 * Se supone que los factores del método no están correlacionados entre sí y con los factores del rasgo: cov (F, M) = E (FM) = 0

Por lo general, el encuestado debe responder a al menos tres medidas diferentes (es decir, rasgos) medidas utilizando al menos tres métodos diferentes. Este modelo se ha utilizado para estimar la calidad de miles de preguntas de encuestas, en particular en el marco de la Encuesta Social Europea .