Mismo cuestionario, mismo día, mismo informante, mismas escalas de respuesta de 1 a 5. Tus correlaciones salen entre .40 y .60 y tu modelo ajusta bien. Y llega el informe: «the study relies entirely on self-report measures collected at a single time point; common method variance may account for the observed relationships». Es una de las objeciones más citadas en psicología organizacional, de la salud y social, y también una de las peor respondidas.
La varianza común del método es la porción de covariación entre tus variables que se debe al procedimiento de medición y no a las relaciones sustantivas entre los constructos. Si dos escalas comparten formato, informante, momento y contexto, comparten fuentes de sesgo: deseabilidad social, estado de ánimo en ese momento, tendencia a responder en los extremos o en el centro, teorías implícitas del participante sobre cómo deberían relacionarse las cosas que le preguntas.
Esta guía explica qué es exactamente el sesgo de método, por qué la prueba de un solo factor de Harman no lo controla (y por qué citarla puede perjudicarte), qué remedios procedimentales son los que de verdad funcionan, qué técnicas estadísticas aceptan hoy los revisores, y qué argumento honesto tienes cuando ya no puedes recoger datos nuevos.
La referencia obligada es Podsakoff, MacKenzie, Lee y Podsakoff (2003), y su actualización posterior (Podsakoff, MacKenzie y Podsakoff, 2012). Su aportación fue catalogar las fuentes concretas del problema, y merece la pena conocerlas porque cada una tiene un remedio distinto.
Le basta con la tabla de instrumentos. Si las cinco variables del modelo son escalas autoinformadas de tipo Likert administradas en la misma sesión, la objeción está servida sin necesidad de leer nada más. Es una de esas objeciones que se generan desde el diseño y no desde el análisis, y por eso conviene anticiparla en el propio método en lugar de esperarla.
La segunda señal es el tamaño de las correlaciones. Cuando toda la matriz vive entre .45 y .65 y no hay ninguna correlación baja, ni siquiera entre constructos que teóricamente deberían estar poco relacionados, un revisor experimentado piensa en método antes que en teoría. Una matriz con variabilidad real, donde algunas asociaciones son fuertes y otras casi nulas de acuerdo con lo esperable, es en sí misma un argumento en contra del sesgo de método, y merece la pena señalarlo cuando ocurre.
La tercera es el ajuste sospechosamente bueno de un modelo estructural completo con datos de una sola fuente. Los índices excelentes en un modelo de constructos autoinformados a menudo reflejan que un factor común transversal está ordenando toda la matriz.
Y la cuarta, más específica de ciertos campos: cuando el predictor y el desenlace son conceptualmente muy cercanos y se han medido con ítems casi intercambiables. «Satisfacción con el trabajo» e «intención de permanencia» comparten contenido semántico; si las escalas se solapan, la correlación no mide una relación entre dos constructos, mide dos formas de preguntar lo mismo. Esa es una objeción de validez discriminante que se suele presentar junto a la de método y que se contrasta con la comparación entre la varianza media extraída y el cuadrado de las correlaciones entre factores.
La secuencia es conocidísima: meter todos los ítems del estudio en un análisis factorial exploratorio sin rotar, comprobar que el primer factor explica menos del 50% de la varianza, y escribir «por tanto, la varianza común del método no supone un problema en este estudio». Aparece en miles de artículos publicados. Y no demuestra nada.
El problema es doble. Primero, es un contraste extremadamente insensible: para que el primer factor superara el 50% de la varianza haría falta un sesgo de método enorme, así que el resultado que buscas se obtiene casi siempre, exista sesgo o no. Segundo, y más importante, no controla nada: aunque detectara el problema, la prueba no ajusta las estimaciones ni corrige las correlaciones. Es un diagnóstico malo presentado como si fuera un tratamiento.
Los propios Podsakoff y colaboradores la desaconsejan explícitamente desde 2003, y en 2026 muchos revisores la leen como una señal de alarma: si el autor cita a Harman como su control de método, probablemente ha copiado el párrafo de otro artículo sin evaluar qué hace. Es de esos casos en los que incluir un análisis te perjudica más que omitirlo.
Conviene conocer también el matiz que juega a tu favor y que casi nadie usa. Spector (2006) argumentó que el sesgo de método se había convertido en una objeción reflejo, aplicada sin evidencia de que en cada caso concreto produzca el efecto que se le atribuye. Y Siemsen, Roth y Oliva (2010) mostraron algo técnicamente muy útil: la varianza común del método infla los efectos lineales, pero no puede crear efectos de interacción espurios; de hecho los atenúa. Si tu hallazgo principal es una moderación significativa, tienes un argumento fuerte y poco conocido: el sesgo de método juega en tu contra, no a tu favor, así que tu efecto está probablemente subestimado.
La literatura es unánime en un punto: el sesgo de método se previene en el diseño y solo se estima, con supuestos fuertes, en el análisis. Si todavía estás recogiendo datos, estas decisiones valen más que cualquier técnica estadística posterior.
Cuando los datos ya están recogidos, estas son las opciones con respaldo metodológico, ordenadas por lo convincentes que resultan en revisión.
La técnica de Lindell y Whitney (2001) consiste en incluir en el cuestionario una variable teóricamente no relacionada con ninguna de las del modelo (por ejemplo, actitud hacia una cuestión ajena al tema, o una escala de preferencias irrelevante) pero medida con el mismo método. Cualquier correlación no nula entre esa marcadora y tus variables es atribuible al método, y se puede usar para ajustar parcialmente las correlaciones observadas.
La versión moderna y más defendible es el marcador en modelo de medida (CFA marker), que incorpora la marcadora como factor latente dentro del modelo y permite estimar y descontar su efecto sobre todos los indicadores. Exige haber tenido la previsión de incluir la marcadora en el cuestionario, que es justo lo que casi nadie hace y por lo que merece la pena mencionarlo aquí: si todavía estás diseñando el protocolo, añade tres o cuatro ítems marcadores.
Consiste en añadir al modelo de medida un factor latente adicional sobre el que cargan todos los indicadores, además de sus factores sustantivos, y comprobar si las cargas y las relaciones estructurales se mantienen. Es la técnica que más se ve en revistas de psicología organizacional.
Tiene limitaciones que conviene declarar antes de que las declare el revisor: puede haber problemas de identificación, el factor puede absorber varianza sustantiva legítima, y un ajuste mejor del modelo con factor de método no demuestra que el sesgo esté controlado. Presentarlo como un análisis de sensibilidad («las relaciones estructurales se mantienen en dirección y magnitud tras incluir un factor de método común») es honesto; presentarlo como prueba de ausencia de sesgo, no.
Hay tres que funcionan muy bien y que se apoyan solo en lo que ya tienes. El primero: si tu hallazgo central es una interacción, apóyate en Siemsen et al. (2010), porque el sesgo de método atenúa las interacciones en lugar de crearlas.
El segundo: si tu matriz de correlaciones muestra un patrón diferenciado, con asociaciones fuertes donde la teoría las predice y prácticamente nulas donde predice independencia, ese patrón es difícil de explicar por un factor de método general, que afectaría a todo por igual. Enséñalo explícitamente.
El tercero: si tu modelo incluye relaciones no lineales o efectos de umbral, tienen la misma protección que las interacciones. Un sesgo lineal compartido no genera curvatura.
Y como complemento, la validez discriminante bien reportada: correlaciones entre factores latentes claramente por debajo de la unidad con sus intervalos, comparación del ajuste frente a modelos que fusionan pares de factores, y el criterio de la varianza media extraída frente al cuadrado de las correlaciones. Si tus constructos se separan empíricamente, el argumento de que todo es método pierde fuerza.
Delata: «Siguiendo a Podsakoff et al. (2003), se realizó la prueba de un solo factor de Harman. El primer factor explicó el 34,2% de la varianza total, por lo que la varianza común del método no constituye un problema en este estudio».
Además de no demostrar nada, esa frase atribuye a Podsakoff una recomendación que Podsakoff hace justo al revés. Un revisor que conozca la fuente lo va a señalar, y con razón.
Aguanta (en el método, anticipándose): «Dado que todas las medidas son autoinformadas, se adoptaron varios remedios procedimentales recomendados por Podsakoff et al. (2012): las escalas de predictores y desenlaces se administraron con dos semanas de separación, se contrabalanceó el orden de presentación entre participantes, se emplearon formatos de respuesta distintos (frecuencia de 1 a 7 para los predictores, acuerdo de 1 a 5 para el desenlace) y se garantizó el anonimato de forma explícita en las instrucciones. Adicionalmente se incluyó una variable marcadora teóricamente no relacionada (actitud hacia la política de reciclaje del centro) para permitir el ajuste posterior de las correlaciones».
Aguanta (en la discusión, cuando no pudiste hacer nada de lo anterior): «El uso exclusivo de autoinforme en una única administración es la principal limitación de este estudio y no puede descartarse que parte de la covariación observada refleje varianza compartida del método. Tres consideraciones acotan su alcance. Primera, nuestro hallazgo principal es un efecto de moderación, y la varianza común del método atenúa las interacciones en lugar de generarlas (Siemsen et al., 2010), por lo que la estimación reportada es probablemente conservadora. Segunda, el patrón de correlaciones es heterogéneo (rango: .04 a .58), con asociaciones prácticamente nulas entre constructos teóricamente independientes, algo difícil de explicar por un factor general de método. Tercera, la inclusión de un factor latente de método no medido en el modelo de medida no altera la dirección ni la significación de las relaciones estructurales, con cambios en los coeficientes estandarizados inferiores a .04 (Tabla S5)».
Para responder a un revisor, la estructura que mejor funciona es esta: reconoce que el diseño es vulnerable, retira cualquier prueba de Harman que hubieras incluido, aporta el análisis de sensibilidad que puedas hacer con tus datos, y enseña el argumento estructural que tengas (interacción, patrón diferenciado, validez discriminante). Y no prometas «futuros estudios con múltiples fuentes» como única respuesta: es cierto y no aporta nada al manuscrito que tienes delante.
Como diagnóstico es muy poco sensible y como control no hace nada, porque no ajusta ninguna estimación. Los propios autores que se citan para justificarla la desaconsejan. Si ya está en tu manuscrito, lo más práctico es retirarla y sustituirla por remedios procedimentales declarados o por un análisis de sensibilidad con factor latente de método.
No siempre, aunque es lo más frecuente. Puede inflarlas cuando el sesgo actúa en la misma dirección sobre ambas medidas, pero también puede atenuarlas si actúa en direcciones opuestas o añade ruido. Y en el caso de las interacciones y las relaciones no lineales, el efecto documentado es de atenuación: el sesgo de método no genera moderaciones espurias.
Ayuda mucho y es de los remedios más eficaces disponibles, porque elimina el efecto de consistencia, el estado de ánimo compartido y buena parte del contexto del ítem. Pero no elimina lo que depende de características estables del informante, como la afectividad negativa o la deseabilidad social, que siguen presentes en ambos momentos. Combínalo con fuentes distintas si puedes.
Es una variable medida con el mismo método que las demás y teóricamente no relacionada con ninguna de ellas: cualquier correlación que aparezca es atribuible al método. Se elige antes de recoger datos, buscando contenido claramente ajeno al modelo pero plausible dentro del cuestionario para no despertar suspicacias. Basta con tres o cuatro ítems, y su ausencia es la razón por la que tantos autores no pueden aplicar el mejor control disponible.
Sí, se publica constantemente, sobre todo cuando el constructo es por naturaleza subjetivo y no tiene indicador objetivo posible. Lo que decide no es la fuente única, es qué haces con ella: declarar la limitación con precisión, aplicar los remedios procedimentales que estuvieran a tu alcance, aportar un análisis de sensibilidad y calibrar las afirmaciones de la discusión.
Son objeciones distintas aunque suelan llegar juntas. La varianza de método afecta a la covariación por el procedimiento; la falta de validez discriminante significa que tus constructos no se separan empíricamente porque sus ítems se solapan en contenido. La segunda se contrasta comparando el ajuste del modelo frente a versiones que fusionan pares de factores, y con el criterio de la varianza media extraída frente al cuadrado de las correlaciones entre factores.