La matriz multitrait-multimethod ( MTMM ) es un enfoque para examinar la validez de constructo desarrollado por Campbell y Fiske (1959). [1] Organiza pruebas de validez convergente y discriminante para comparar cómo una medida se relaciona con otras medidas.
Definiciones y componentes clave
En este enfoque se utilizan múltiples rasgos para examinar (a) rasgos ( constructos ) similares o (b) diferentes , a fin de establecer la validez convergente y discriminante entre rasgos. De manera similar, en este enfoque se utilizan múltiples métodos para examinar los efectos diferenciales (o la falta de ellos) causados por la varianza específica del método.
Hay seis consideraciones principales al examinar la validez de un constructo a través de la matriz MTMM, que son las siguientes:
- Evaluación de la validez convergente : las pruebas diseñadas para medir el mismo constructo deben tener una alta correlación entre sí.
- Evaluación de la validez discriminante (divergente) : el constructo que se mide mediante una prueba no debe tener una alta correlación con los diferentes constructos.
- Unidad de método de rasgo : cada tarea o prueba utilizada para medir un constructo se considera una unidad de método de rasgo; en el sentido de que la varianza contenida en la medida es en parte rasgo y en parte método. Generalmente, los investigadores desean una baja variación específica del método y una alta variación de rasgos.
- Multitrait-multimethod : se debe utilizar más de un rasgo y más de un método para establecer (a) la validez discriminante y (b) las contribuciones relativas del rasgo o la varianza específica del método. Este principio es coherente con las ideas propuestas en el concepto de inferencia fuerte de Platt (1964). [2]
- Metodología realmente diferente : cuando se utilizan varios métodos, se debe considerar cuán diferentes son las medidas reales. Por ejemplo, entregar dos medidas de autoinforme no son medidas realmente diferentes ; mientras que usar una escala de entrevista o una lectura psicosomática lo sería.
- Características de los rasgos: los rasgos deben ser lo suficientemente diferentes para ser distintos, pero lo suficientemente similares para que valga la pena examinarlos en el MTMM.
Ejemplo
El siguiente ejemplo proporciona una matriz prototípica y lo que significan las correlaciones entre las medidas. La línea diagonal generalmente se completa con un coeficiente de confiabilidad de la medida (por ejemplo, coeficiente alfa). Las descripciones entre paréntesis [] indican lo que se espera cuando la validez del constructo (p. Ej., Depresión o ansiedad) y la validez de las medidas son todas altas.
Prueba | Beck Depresión Inv | Entrevista sobre la depresión de Hepner | Beck Ansiedad Inv | Entrevista de ansiedad de Hepner |
---|---|---|---|---|
BDI | (Coeficiente de fiabilidad) [cercano a 1,00] | |||
HDIv | Heteromethod-monotrait [el más alto de todos excepto la confiabilidad] | (Coeficiente de fiabilidad) [cercano a 1,00] | ||
BAI | Monomethod-heterotrait [bajo, menos que monotrait] | Heteromethod-heterotrait [el más bajo de todos] | (Coeficiente de fiabilidad) [cercano a 1,00] | |
HAIv | Heteromethod-heterotrait [el más bajo de todos] | Monomethod-heterotrait [bajo, menos que monotrait] | Heteromethod-monotrait [el más alto de todos excepto la confiabilidad] | (Coeficiente de fiabilidad) [cercano a 1,00] |
En este ejemplo, la primera fila y la primera columna muestran el rasgo que se está evaluando (es decir, ansiedad o depresión), así como el método para evaluar este rasgo (es decir, una entrevista o encuesta medida por medidas ficticias). El término heterometodo indica que en esta celda se informa la correlación entre dos métodos separados . Monomethod indica lo contrario, ya que se está utilizando el mismo método (por ejemplo, entrevista, entrevista). Heterotrait indica que la celda está reportando dos rasgos supuestamente diferentes. Monotrait indica lo contrario: que se está utilizando el mismo rasgo.
Al evaluar una matriz real, se desea examinar la proporción de varianza compartida entre los rasgos y métodos para establecer un sentido de cuánta varianza específica del método es inducida por el método de medición, así como proporcionar una visión de cuán único es el rasgo, como en comparación con otro rasgo.
Es decir, por ejemplo, el rasgo debería importar más que el método específico de medición. Por ejemplo, si una persona se mide como muy deprimida según una medida, otro tipo de medida también debería indicar que la persona está muy deprimida. Por otro lado, las personas que parecen muy deprimidas en el Inventario de depresión de Beck no necesariamente deben obtener puntuaciones altas de ansiedad en el Inventario de ansiedad de Beck. Dado que los inventarios fueron escritos por la misma persona y tienen un estilo similar, puede haber alguna 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.
Análisis
Se han utilizado una variedad de 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 [3] debido a la complejidad de considerar todos los datos de la matriz. La prueba de Sawilowsky I, [4] [5] sin embargo, considera todos los datos en la matriz con una prueba estadística libre de distribución para la tendencia.
La prueba se realiza reduciendo los triángulos heterotrait-heteromethod y heterotrait-monomethod, y las diagonales de validez y confiabilidad, en una matriz de cuatro niveles. Cada nivel consta del valor mínimo, mediano y máximo. La hipótesis nula es que estos valores no están ordenados, lo que se prueba con la hipótesis alternativa de una tendencia ordenada creciente. El estadístico de prueba se encuentra 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 ( [6] ). El modelo de puntuación verdadera 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 confiabilidad, 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 confiabilidad
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
Los supuestos son los siguientes:
* Los errores son aleatorios, por lo que 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 de rasgo: cov (F, M) = E (FM) = 0
Por lo general, el encuestado debe responder al menos tres preguntas 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 .
Referencias
- ^ Campbell, DT y FiskeD.W. (1959) Validación convergente y discriminante mediante la matriz de múltiples métodos y retratos. Boletín psicológico , 56 , 81-105 "
- ^ John R. Platt (1964). "Fuerte inferencia". Science 146 (3642).
- ^ Figueredo, A., Ferketich, S., Knapp, T. (1991). Enfoque en la psicometría: Más sobre MTMM: El papel del análisis factorial confirmatorio. Enfermería y salud , 14 , 387-391
- ^ Sawilowsky, S. (2002). Una prueba rápida sin distribución para la tendencia que aporta evidencia de validez de constructo. Medición y evaluación en consejería y desarrollo , 35 , 78-88.
- ^ Cuzzocrea, J. y Sawilowsky, S. (2009). Robustez a la no independencia y potencia de la prueba de tendencia en la validez de constructo. Revista de métodos estadísticos aplicados modernos , 8 (1), 215-225.
- ^ Saris, WE y Andrews, FM (1991). Evaluación de instrumentos de medición utilizando un enfoque de modelado estructural. Páginas. 575 - 599 en Errores de medición en encuestas, editado por Biemer, PP et al. Nueva York: Wiley.