Sesgo de método común (CMB / CMV)
El sesgo de método común (CMB), o varianza de método común, es covarianza artificial que surge cuando los mismos respondientes contestan todas tus preguntas con el mismo método al mismo tiempo. Puede inflar o reducir las correlaciones entre constructos. El test de un factor de Harman señala un problema cuando un factor explica el 50% o más de la varianza, pero el test es débil y no debería ser tu única evidencia. Los controles más sólidos modelan directamente la varianza de método: un factor latente común (ULMC) o, preferiblemente, una marker variable medida.
Esta página es una traducción del original inglés revisado. Ver el original (EN)
sesgo de método comúnQué es
El sesgo de método común (CMB), o varianza de método común, es la covarianza artificial que puede surgir cuando los mismos encuestados responden a todas tus preguntas con el mismo método al mismo tiempo. Puede inflar o deflactar las correlaciones entre constructos y amenazar la validez de tus conclusiones. Te proteges de él primero mediante el diseño — distintas escalas, anclas, fuentes y momentos — y luego lo examinas estadísticamente. El test de un factor de Harman es el examen más citado pero el más débil: rara vez detecta el sesgo y no debe tratarse como prueba. Opciones más fuertes modelan la varianza de método directamente — un constructo de método latente no medido (el enfoque del factor latente común / ULMC) o, mejor aún, una variable marcadora medida teóricamente no relacionada con tus constructos (Podsakoff et al., 2003; 2024).
Cuándo usarlo
- Todos tus datos provienen de los mismos encuestados a través de una única encuesta de autoinforme.
- Tu predictor y tu resultado se miden con el mismo método al mismo tiempo.
- Un revisor te pidió abordar el sesgo de método común.
- Quieres evidencia estadística que complemente los remedios procedimentales.
Cuándo no usarlo
- Tu predictor y tu resultado provienen de fuentes o momentos distintos — el riesgo ya es bajo por diseño.
- Solo tienes medidas objetivas o conductuales en lugar de autoinforme.
Supuestos
- Un conjunto de datos de autoinforme donde la varianza de método es plausible.
- Suficientes indicadores para ajustar un modelo de medición (para el enfoque CLF).
- Los remedios procedimentales se consideraron primero — los exámenes estadísticos son un complemento, no una cura.
Umbrales y valores de corte
| Criterion | Rule of thumb | Source |
|---|---|---|
| Único factor de Harman | Un único factor que explique < 50% de la varianza es tranquilizador, pero la prueba es débil — no te bases solo en ella | Podsakoff et al. (2003; 2024) |
| Factor latente común (CLF / ULMC) | Compara las cargas con y sin un factor de método latente no medido; cambios grandes señalan sesgo | Podsakoff et al. (2003; https://doi.org/10.1037/0021-9010.88.5.879) |
| Técnica de variable marcadora | Usa un marcador teóricamente no relacionado para descontar la varianza de método (el control estadístico preferido) | Lindell & Whitney (2001); Podsakoff et al. (2024) |
Cómo informarlo en APA
El sesgo de método común se evaluó primero con el test de un factor de Harman como comprobación preliminar; el primer factor explicó XX% de la varianza, por debajo del umbral del 50%. Dado que esa prueba no es concluyente, se añadió luego un factor latente común al modelo de medición, y las cargas estandarizadas cambiaron menos de .XX, lo que indica que era improbable que el sesgo de método común amenazara los resultados (Podsakoff et al., 2003).
Cómo lo ejecuta Explonia
Explonia examina el sesgo de método común en el navegador a partir de los datos que recoges o subes. Ejecuta el test de un factor de Harman y reporta la varianza explicada por el primer factor, y puede añadir un factor latente común a tu modelo de medición para comparar las cargas con y sin él. Los resultados redactan una «Article description» en estilo APA que puedes revisar y editar. Como el CFA, la fiabilidad y el HTMT conviven con él, puedes presentar la evidencia de validez y de sesgo de método juntas. La exportación a SPSS (.sav) y R está disponible en los planes de pago.
Preguntas frecuentes
¿Es suficiente el test de un factor de Harman para el sesgo de método común?
No. El test de un factor de Harman se considera ampliamente insuficiente — tiene baja potencia para detectar el sesgo y es, en el mejor de los casos, un mínimo, no una prueba. Combínalo con remedios procedimentales y un control estadístico más fuerte como el factor latente común (ULMC) o, preferiblemente, una variable marcadora medida (Podsakoff et al., 2003; 2024).
¿Qué hace el enfoque del factor latente común (CLF)?
Añade un factor latente conectado a cada indicador y compara las cargas con y sin él. Los cambios pequeños sugieren que el sesgo de método es limitado; los cambios grandes sugieren que es una preocupación.
¿Cómo prevengo el sesgo de método común antes del análisis?
El diseño es lo que más ayuda: separa el predictor y el resultado por fuente o momento, varía las anclas de las escalas, protege el anonimato y redacta los ítems con claridad. Los exámenes estadísticos vienen después de estos remedios procedimentales.
¿Cuánta varianza de un solo factor es demasiada?
En el test de Harman, un único factor que explique el 50% o más de la varianza es la señal de alarma habitual (Podsakoff et al., 2003). Por debajo de eso es tranquilizador pero no concluyente por sí solo.
Last updated: septiembre 2026
Ejecuta CMB con tus propios datos
Recoge o sube tus datos, ejecuta el análisis en tu navegador y obtén un borrador de párrafo APA que puedes editar. Empieza gratis. Sin tarjeta.
Empezar gratis