Enciclopedia/Diccionario de Psicología y Neurociencias:
ıllı Matriz multirrasgo-multimétodo wiki: info, libros pdf y vídeos
- Detalles
- Categoría: PSICOLOGIA (WIKINFO)
Matriz multirrasgo-multimétodo
'Múltiples rasgos' se usan en este enfoque para examinar rasgos (a) afines o bien (b) disímiles (constructo (epistemología)), entre la valía concurrente y la valía discriminante. De exactamente la misma manera, 'múltiples métodos' se emplean en este enfoque para examinar los efectos diferenciales (o bien su ausencia) ocasionada por el procedimiento de la varianza concreta. Hay 6 consideraciones esenciales cuando se examina una valía de constructo mediante la matriz MTMM y son las siguientes: 1. Evaluación de la valía convergente; pruebas diseñadas para medir exactamente el mismo constructo que debe relacionarse enormemente entre sí. 2. Evaluación de valía discriminante (discordante); el constructo se mide a través de una prueba que no debe relacionarse enormemente con los diferentes constructos. 3. Unidad de procedimiento-rasgo; cada labor o bien prueba usada en la medición de una construcción se considera una unidad de procedimiento-rasgo; en que la varianza contenida en la medida y el procedimiento son aparte. Generalmente, los estudiosos desean tener una baja alteración concreta del procedimiento y alta varianza de rasgo. 4. Multirasgo-multimétodo; más de un rasgo y más de un procedimiento han de ser empleados para establecer (a) la valía discriminante y (b) las contribuciones relativas de la característica o bien procedimiento de la varianza concreta. Este principio es consistente con las ideas propuestas en el término de Fuerte inferencia (mil novecientos sesenta y cuatro). 5. Metodología realmente diferente; cuando se emplean múltiples métodos, hay que estimar que tan diferentes son las medidas reales. Por servirnos de un ejemplo, la entrega de 2 medidas de auto-informe no son realmente medidas diferentes ; al paso que el empleo de una escala para la entrevista o bien una lectura sicosomática si lo sería. 6. Peculiaridades del rasgo; los rasgos han de ser suficientemente diferentes para ser diferentes, mas suficientemente afines para ser examinados por el MTMM. El siguiente ejemplo da una matriz prototipo y lo que las relaciones entre las medidas significan. La línea diagonal se acostumbra a rellenar con un factor de fiabilidad de la medida (por poner un ejemplo, el factor alfa). La información en corchetes señalan lo que se espera cuando la valía de construcción (por servirnos de un ejemplo, la depresión o bien la ansiedad) y las vigencias de las medidas son altas. /P>Heterométodo-heterorasgo Confiabilidad del factor) HAHeterométodo-heterorasgo onométodo-heterorasgo eterométodo-monorasgo Confiabilidad del factor) En este caso, la primera fila y la primera columna se muestra el rasgo evaluado (esto es, la ansiedad o bien la depresión), como el procedimiento de evaluación de este rasgo (esto es, entrevista o bien encuesta medido por rangos falsos). El término heterométodo señala que en esta celda se notificó la relación entre 2 métodos independientes . Monométood señala lo opuesto, que exactamente el mismo procedimiento se está usando (por servirnos de un ejemplo, entrevista, entrevista). Heterorasgo señala que la célula está notificando 2 rasgos aparentemente diferentes. Monorasgo señala lo opuesto- que se está usando exactamente el mismo rasgo. En la evaluación de una matriz real, se quiere examinar la proporción de varianza compartida entre rasgos y métodos para establecer un sentido de cuánto procedimiento de la varianza concreta es inducida por el procedimiento de medición, como para otorgar una ojeada entre un rasgo singular a comparación con otro. Es decir, por poner un ejemplo, el rasgo debe importar más que el procedimiento concreto de medición. Por poner un ejemplo, si una persona se mide como muy deprimido por una medida, ahora, otro género de medida debe apuntar asimismo que la persona es enormemente deprimido. Por otra parte, las personas que aparecen muy deprimidas en el Inventario de Depresión de Beck no deben necesariamente conseguir puntajes altos de ansiedad en el Inventario de Ansiedad de Beck. Puesto que los inventarios fueron escritos por exactamente la misma persona, y son afines en estilo, podría haber cierta relación, mas esta semejanza en el procedimiento no debe afectar a las puntuaciones, con lo que las relaciones entre estas medidas de diferentes rasgos han de ser bajas. Una pluralidad de enfoques estadísticos se han empleado para examinar los datos de la matriz de MTMM. El procedimiento estándar de Campbell y Fiske se puede incorporar usando el programa MTMM.EXE libre en: http://gim.med.ucla.edu/FacultyPages/Hays/utils/ Asimismo se puede usar un análisis factorial confirmatorio debido a la dificultad de estimar todos y cada uno de los datos en la matriz. La prueba de Sawilowsky, considera todos y cada uno de los datos en la matriz como una prueba estadística de libre distribución para la tendencia. La prueba se realizó a través de la reducción del heterorasgo-heterométodo, triángulos heterorasgos-monométodo, y las diagonales de valía y fiabilidad, en una matriz de 4 niveles. Cada nivel consta de la mínima, mediana, y el valor máximo. La hipótesis nula son valores desorganizados, que se prueban contra la hipótesis opción alternativa de una tendencia creciente ordenada. La estadística de prueba se halla contando el número de inversiones (I). El valor crítico para alfa = 0,05 es diez, y para alfa = 0,01 es catorce. Uno de los models MTMM más usados es el modelo True Score propuesto por Saris and Andrews (). El modelo True Score puede expresarse utilizando la próxima ecuación estandarizada: Las asumciones son las siguientes: 1) Yij = rijTSij + eij* donde: Yij es la variable observada estandarizada medida con el rasgo ith y el procedimiento jth.rij es el factor de confiabilidad, el que es igual a: rij = sYij / sTSijTSij es la variable true score estendarizada eij* es el fallo azaroso, el que es igual a: eij* = eij / sYij Consecuentemente: rij2 = 1 - s2(eij*) donde: rij2 es la fiabilidad
2) TSij = vijFi + mijMj donde: vij es el factor de valía, el que se define como: vij = sFi / sTSijFi es el factor latente estandarizado para variable de interés ith (o bien rasgo) mij es el efecto del procedimiento, el que se define como: mij = sMj / sTSijMj es el factor latente estandarizado de la reacción al procedimiento jth Consecuentemente: vij2 = 1 - mij2 donde: vij2 es la validez
3) Yij = qijFi + rijmijMj + e* donde: qij es el factor de calidad, el que de define como: qij = rij * vij Consecuentemente: qij2 = rij2 * vij2 = s2Fi / s2Yij donde: qij2 es la calidad
* Los fallos son azarosos, con lo que la media de estos es cero: µe = E(y también) = 0 * Los fallos azarosos no están relacionados entre si: cov(ei, ej) = E(ei ej) = 0 * Los fallos azarosos no están correlacionades con las variables independiente: cov(TS, y también) = E(TS y también) = 0 , cov(F, y también) = E(F y también) = 0 y cov(M, y también) = E(M y también) = 0 * El factor del procedimiento se acepta no relacionado con el resto y con los factores de los rasgos: cov(F, M) = E(F M) = 0
Por norma general, para hacer un modelo MTMM los respondientes debe contestar, por lo menos, 3 diferentes preguntas (3 rasgos) medidos mediante 3 métodos diferentes. Este modelo ha sido utilizado para apreciar la calidad de cientos y cientos de preguntas de encuesta, particularmente en el marco de Encuesta Social Europea. Estas estimaciones pueden ser consultadas en cualquier instante usando el software libreSurvey Quality Predictor, diposnible en sqp.upf.edu.