David Kenny – 1946 Presente

Biografía

La historia de las ciencias del comportamiento durante la segunda mitad del siglo XX y las primeras décadas del siglo XXI se encuentra indisolublemente ligada a la formalización metodológica de la causalidad y al análisis riguroso de la interacción humana. Pocos investigadores han ejercido una influencia tan profunda, transversal y perdurable en este ámbito como David Anthony Kenny (nacido el 10 de noviembre de 1946). Su trayectoria intelectual representa la superación definitiva de la brecha tradicional que solía separar a los teóricos de la psicología social de los estadísticos cuantitativos. A través de una producción académica prolífica e innovadora, Kenny transformó conceptos abstractos como la mediación, la moderación, la percepción interpersonal y la interdependencia diádica en modelos matemáticos e inferenciales aplicables, accesibles y dotados de una validez epistemológica incuestionable.

Desde sus primeros trabajos bajo el tutelaje de Donald T. Campbell en la Universidad Northwestern hasta su consagración como Profesor Distinguido en la Universidad de Connecticut, Kenny ha desafiado sistemáticamente las simplificaciones analíticas que reducían al ser humano a un punto muestral aislado e independiente. La formulación canónica del análisis de mediación estadística junto a Reuben M. Baron en 1986 —uno de los artículos científicos más citados en la historia de toda la ciencia moderna— no fue un hito aislado, sino el reflejo de un compromiso vitalicio con la pregunta de cómo operan realmente los mecanismos causales en contextos sociales complejos. Del mismo modo, el desarrollo del Modelo de Relaciones Sociales (Social Relations Model) y del Modelo de Interdependencia Actor-Pareja (Actor-Partner Interdependence Model) redefinió la psicometría relacional, otorgando a las ciencias sociales herramientas indispensables para estudiar díadas, grupos y redes interpersonales con el debido control del error de medida y de la correlación de residuos.

Este extenso tratado analiza de manera exhaustiva la vida, obra y legado metodológico de David Kenny desde su nacimiento en 1946 hasta el presente continuo. A lo largo de doce dimensiones temáticas, se desglosan sus fundamentos formativos, la génesis y evolución de sus modelos causales, sus respuestas a las controversias contemporáneas de la inferencia causal, el diseño de software y herramientas de acceso abierto, así como su papel ético y pedagógico ante la crisis de replicabilidad de la psicología. Estudiar a Kenny no implica únicamente examinar fórmulas o algoritmos estadísticos; significa comprender la arquitectura lógica mediante la cual la ciencia psicológica contemporánea intenta descifrar, con precisión y humildad matemática, la intrincada urdimbre de las relaciones humanas.

1. Introducción y Contexto Biográfico de David Kenny (1946-Presente)

1.1 Primeros Años y Contexto Histórico de su Nacimiento en 1946

El nacimiento de David Anthony Kenny el 10 de noviembre de 1946 coincidió con el inicio formal de la era de posguerra en los Estados Unidos, un período caracterizado por transformaciones demográficas, económicas y académicas sin precedentes. La promulgación de la G.I. Bill y la subsecuente inyección de fondos federales en la educación superior provocaron una expansión exponencial de las universidades estadounidenses, democratizando el acceso a las aulas y fomentando la profesionalización de las disciplinas científicas. En este entorno de efervescencia institucional, las ciencias sociales comenzaron a distanciarse de las especulaciones teóricas no verificables para abrazar un positivismo lógico refinado y una cuantificación metódica inspirada en los éxitos de la investigación operativa bélica.

Durante su juventud, Kenny manifestó una marcada inclinación intelectual hacia la conjunción entre las estructuras formales de las matemáticas y los enigmas empíricos de la conducta humana. A diferencia de las posturas reduccionistas que consideraban que los fenómenos psicológicos eran demasiado subjetivos para someterse a la medición exacta, el joven Kenny vislumbró que la verdadera complejidad del comportamiento interpersonal requería modelos matemáticos sustancialmente más sofisticados que los empleados en las ciencias físicas clásicas. Esta intuición temprana se vio respaldada por la transición paradigmática de mediados del siglo XX, donde la psicología experimental transitaba del conductismo estricto hacia la revolución cognitiva y el florecimiento de la psicología social experimental, campos ávidos de nuevas metodologías cuantitativas capaces de capturar procesos no observables directamente.

Comenzó sus estudios universitarios formales en la Universidad de California en Davis, donde completó su Bachelor of Arts (A.B.) en 1968. En dicha institución, su vocación investigadora se consolidó bajo la mentoría directa de Robert Sommer, un influyente psicólogo social conocido por sus estudios pioneros sobre el espacio personal, la proxemia y la ecología del comportamiento. La relación con Sommer introdujo a Kenny en el análisis empírico minucioso de la interacción física y social entre individuos, una experiencia que plantó las semillas de lo que más tarde se convertiría en su dedicación permanente al estudio cuantitativo de los datos relacionales y la interdependencia humana.

1.2 Trayectoria Institucional y Afiliaciones Universitarias

Tras culminar su formación de pregrado, el itinerario académico de David Kenny estuvo marcado por su paso por algunas de las instituciones universitarias más exigentes del mundo anglosajón. Luego de completar su formación de posgrado en la Universidad Northwestern a comienzos de los años setenta, inició su carrera docente en la prestigiosa Universidad de Harvard como Profesor Asistente y posteriormente Profesor Asociado en el Departamento de Psicología y Relaciones Sociales. En Harvard, Kenny se integró en un cuerpo docente que debatía activamente sobre las fronteras metodológicas de las ciencias sociales, interactuando con figuras de primer orden y puliendo su capacidad para traducir formulismos algebraicos complejos en esquemas intuitivos para investigadores sustantivos.

A finales de la década de 1970, Kenny se incorporó a la Universidad de Connecticut (UConn), institución que se convertiría en su hogar intelectual definitivo a lo largo de más de cuatro décadas de servicio ininterrumpido. En la Universidad de Connecticut, Kenny ascendió todos los peldaños académicos hasta ser nombrado Profesor Distinguido de Psicología, liderando el programa de investigación en metodología cuantitativa y psicología social. Su presencia en Storrs, Connecticut, transformó el departamento en un epicentro internacional para el adiestramiento de investigadores en análisis diádico, modelado de ecuaciones estructurales y diseños no experimentales, atrayendo a estudiantes de posgrado y profesores visitantes de los cinco continentes.

De manera complementaria a sus cátedras universitarias, Kenny asumió roles determinantes en el liderazgo editorial y asociativo de la disciplina. Formó parte activa de los consejos editoriales de las revistas más prestigiosas del campo, tales como el Journal of Personality and Social Psychology, Psychological Methods, Psychological Bulletin y Multivariate Behavioral Research. En estos espacios colegiados, fungió no solo como revisor riguroso de manuscritos, sino como un guardián de los estándares metodológicos de la psicología, promoviendo constantemente el abandono de prácticas analíticas obsoletas y fomentando la adopción de modelos estadísticos que respetasen la naturaleza estructural de los datos observados.

1.3 Definición de su Campo: La Intersección entre Psicología Social y Metodología

Una de las contribuciones más singulares de David Kenny a la ciencia contemporánea radica en su capacidad para habitar y difuminar conscientemente la frontera entre el teórico de la psicología social y el metodólogo cuantitativo. Históricamente, la academia psicológica padecía una división endémica: por un lado, los teóricos sustantivos formulaban hipótesis dinámicas sobre la cognición, la atracción, el prejuicio y el afecto interpersonal; por otro lado, los estadísticos desarrollaban teoremas en abstracto con escasa conexión empírica con las peculiaridades contextuales del comportamiento humano. Kenny se negó a aceptar esta dicotomía, asumiendo que una teoría psicológica es tan sólida como el modelo estadístico que permite contrastarla empíricamente.

Su compromiso intelectual se orientó a la aplicación del máximo rigor estadístico a problemas relacionales concretos. Para Kenny, las variables psicológicas rara vez operan en el vacío de un laboratorio puramente aséptico; por el contrario, los seres humanos interactúan en díadas amorosas, amistades, equipos de trabajo o estructuras jerárquicas donde la observación de un individuo influye y se encuentra correlacionada con la de otro. Este reconocimiento lo impulsó a construir herramientas psicométricas e inferenciales adaptadas a la complejidad orgánica de las ciencias del comportamiento, superando las limitaciones impuestas por el uso indiscriminado de técnicas paramétricas básicas que asumían supuestos teóricos flagrantemente falsos.

Como resultado de esta perspectiva integradora, Kenny ha sido universalmente reconocido como una de las figuras vertebrales de la inferencia causal aplicada. Su trabajo ha demostrado que el rigor matemático no debe constituir una barrera para el investigador social, sino un vehículo de clarificación conceptual. Lejos de concebir la estadística como un mero conjunto de recetas mecánicas destinadas a obtener un valor p significativo, Kenny promovió una epistemología cuantitativa basada en la transparencia de los supuestos, la especificación minuciosa de los modelos teóricos y el reconocimiento explícito de las limitaciones intrínsecas a cualquier diseño observacional o experimental.

2. Formación Académica y la Influencia Metodológica de Donald T. Campbell

2.1 Estudios Doctorales en la Universidad Northwestern

A finales de la década de 1960, David Kenny ingresó a la Universidad Northwestern en Evanston, Illinois, para emprender sus estudios doctorales. En ese momento histórico, Northwestern constituía sin lugar a dudas la vanguardia global del pensamiento metodológico en ciencias sociales. Bajo el liderazgo de figuras visionarias, el departamento de psicología había abandonado la complacencia del diseño experimental tradicional en laboratorio cerrado para enfrentarse al desafío de la investigación evaluativa en escenarios naturales, marcando el nacimiento formal del cuasiexperimento como categoría epistemológica de pleno derecho.

En el epicentro de este movimiento intelectual se encontraba Donald T. Campbell, quien se convirtió en el mentor doctoral directo de Kenny. Campbell, una de las mentes más brillantes y heterodoxas de la epistemología de la ciencia del siglo XX, inculcó en el joven Kenny una profunda desconfianza hacia el dogmatismo metodológico y un compromiso inquebrantable con el concepto de validez. Las discusiones entre Campbell y Kenny giraban en torno a la tensión constante entre la validez interna (la certeza de que una covariación observada refleja verdaderamente una relación causal) y la validez externa, así como a las amenazas sistemáticas planteadas por la maduración de los sujetos, la historia contextual y los artefactos de regresión a la media.

La tesis doctoral de Kenny, defendida con éxito en 1972, se centró directamente en los problemas de la inferencia causal en diseños no experimentales y longitudinales. En este trabajo fundacional, Kenny comenzó a formalizar matemáticamente los dilemas que Campbell había planteado conceptualmente en sus textos seminales. La influencia campbelliana fue indeleble: enseñó a Kenny a ver los métodos no como verdades sagradas e incuestionables, sino como herramientas falibles cuyo propósito fundamental radica en descartar hipótesis plausibles alternativas antes de atreverse a proclamar la existencia de un nexo de causalidad.

2.2 Apropiación y Crítica del Modelo Panel con Retardo Cruzado

Uno de los primeros focos de investigación donde Kenny demostró su independencia analítica y su maestría matemática fue en torno al modelo de panel con retardo cruzado (cross-lagged panel design), una técnica que Campbell y sus colaboradores habían popularizado ampliamente en las décadas de 1960 y 1970 para inferir la direccionalidad causal a partir de datos correlacionales recopilados en dos momentos temporales distintos. La lógica subyacente a este enfoque asumía que si la correlación entre la variable X en el tiempo 1 y la variable Y en el tiempo 2 era significativamente mayor que la correlación entre Y en el tiempo 1 y X en el tiempo 2, podía inferirse válidamente que X causaba a Y, y no a la inversa.

Con un rigor algebraico implacable, Kenny examinó los supuestos matemáticos de este diseño y publicó una serie de artículos cruciales a mediados de los años setenta —incluyendo trabajos publicados en el Psychological Bulletin— donde desmontó las falacias operativas del método. Kenny demostró que la comparación ingenua de correlaciones cruzadas ignoraba la estabilidad temporal interna de cada constructo individual (las autocorrelaciones), así como las diferencias en la fiabilidad de medición entre las variables en estudio. Si una variable era intrínsecamente más estable o estaba medida con menor error aleatorio que la otra, las correlaciones cruzadas se distorsionaban mecánicamente, produciendo diagnósticos de causalidad espuria.

Esta crítica metodológica no condujo al descarte cínico de los estudios longitudinales, sino a su sofisticación. Kenny reformuló el problema en términos de ecuaciones estructurales con variables latentes, estableciendo los requisitos exactos bajo los cuales los datos panel podían proporcionar información causal legítima. Años más tarde, esta fructífera línea de reflexión culminaría en la publicación del volumen fundamental A Primer on Regression Artifacts (1999), escrito en coautoría con el propio Donald T. Campbell, obra en la que sistematizaron de manera definitiva cómo los sesgos de regresión hacia el promedio y la inestabilidad de las medidas panel confunden sistemáticamente a los investigadores no entrenados.

2.3 La Herencia Falsacionista y la Epistemología de la Medición

La formación de Kenny junto a Campbell también consolidó su adhesión a una filosofía de la ciencia profundamente falsacionista y contextualizada. De Campbell heredó la devoción por la matriz multirrasgo-multimétodo (Multitrait-Multimethod Matrix, MTMM), formulada originalmente por Campbell y Fiske en 1959. Kenny comprendió tempranamente que ningún constructo psicológico complejo puede medirse de forma pura mediante una única operación empírica, ya que toda medición individual contiene una combinación ineludible de rasgo sustantivo, sesgo metodológico específico y error aleatorio no sistemático.

A lo largo de toda su producción científica, Kenny insistió en que el error de medición no representa un mero inconveniente matemático menor que pueda ignorarse sin consecuencias, sino una amenaza crítica y devastadora contra la validez causal. Demostró analíticamente que la presencia de error no sistemático en un predictor exógeno no solo sesga hacia abajo (atenúa) su propio coeficiente de regresión sobre el resultado, sino que puede inflar artificialmente los coeficientes de otras covariables incluidas en el modelo, conduciendo a falsos descubrimientos teóricos y a conclusiones políticas o clínicas profundamente equivocadas.

Esta postura epistemológica impulsó la evolución de Kenny desde el análisis de regresión ordinario por mínimos cuadrados hacia el modelado causal explícito mediante variables latentes. Mientras que la regresión simple obliga al analista a asumir ingenuamente que las variables observadas carecen por completo de error, los modelos estructurales permiten segregar la varianza verdadera del error de medición. En consecuencia, Kenny promovió incansablemente la transición desde la correlación ingenua hacia un modelado de procesos donde cada hipótesis causal se evalúa de manera concurrente con la estructura de medición que la sostiene.

3. El Paradigma de la Mediación Estadística: El Hito de Baron y Kenny (1986)

3.1 Génesis y Publicación del Artículo de 1986

A mediados de la década de 1980, el panorama metodológico de la psicología se encontraba en un estado de creciente confusión terminológica. Los investigadores utilizaban indistintamente los vocablos «mediador» y «moderador» para aludir a terceras variables en diseños no experimentales, tratando ambos fenómenos como si fueran sinónimos funcionales o meras variantes de una misma propiedad analítica. Conscientes de este caos conceptual que paralizaba la contrastación rigurosa de teorías psicológicas, David Kenny unió fuerzas con su colega de la Universidad de Connecticut, Reuben M. Baron, para redactar un manuscrito clarificador que unificara y delimitara formalmente estos conceptos.

El fruto de esta colaboración fue el artículo titulado «The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations», publicado en 1986 en el Journal of Personality and Social Psychology (JPSP). El propósito primordial de Baron y Kenny no consistía en inventar fórmulas matemáticas inéditas, sino en sintetizar décadas de desarrollos dispersos en el análisis de senderos (path analysis) de Sewall Wright, la sociología cuantitativa de Herbert Blalock y la econometría clásica, adaptándolos a un marco analítico secuencial, elegante y comprensible para cualquier psicólogo aplicado.

El impacto bibliométrico de esta publicación trascendió cualquier expectativa previa. Con el paso de los decenios, el trabajo de Baron y Kenny de 1986 acumuló más de cien mil citas académicas en Google Scholar y Web of Science, posicionándose de forma consistente entre los diez artículos científicos más citados en la historia de toda la ciencia a nivel global. El artículo no solo estandarizó el vocabulario analítico de la psicología, sino que fue adoptado de manera masiva por la medicina conductual, la epidemiología, el marketing, las ciencias de la administración, la enfermería, la sociología y las neurociencias sociales, estableciendo un canon operativo universal para contrastar procesos explicativos.

3.2 Los Cuatro Pasos Canónicos de la Mediación Causal

La aportación metodológica más visible del artículo de 1986 fue la estructuración del análisis de mediación en un protocolo algorítmico compuesto por cuatro pasos analíticos sucesivos fundamentados en modelos de regresión lineal. El objetivo del esquema radicaba en comprobar formalmente si los efectos de una variable independiente inicial (denominada canónicamente como X) sobre una variable de resultado final (denominada Y) se encontraban transmitidos o explicados mediante la intervención de una variable intermedia o mediadora (identificada como M).

El protocolo clásico formulado por Baron y Kenny se desplegaba de acuerdo con la siguiente secuencia condicional:

• Paso 1: Demostración de la relación total inicial. Se estima un modelo de regresión lineal simple donde Y se predice a partir de X (ecuación: Y = c*X + e1). El coeficiente c (efecto total) debe ser estadísticamente significativo, estableciendo formalmente que existe una relación global a ser mediada o explicada.
• Paso 2: Asociación entre el predictor y el mediador propuesto. Se estima un modelo de regresión donde el mediador M se predice a partir de X (ecuación: M = a*X + e2). El coeficiente a debe ser estadísticamente significativo, demostrando que la variable independiente altera o influye en el estado de la variable mediadora.
• Paso 3: Efecto sustantivo del mediador sobre el resultado controlando por el tratamiento. Se estima un modelo de regresión múltiple prediciendo Y simultáneamente a partir de X y de M (ecuación: Y = c’*X + b*M + e3). En este modelo, el coeficiente b (asociado al mediador) debe ser estadísticamente significativo, confirmando que M predice a Y incluso cuando se mantiene constante o se ajusta por la influencia de X.
• Paso 4: Reducción evaluativa del efecto directo. Utilizando los parámetros del modelo estimado en el Paso 3, se evalúa el comportamiento del coeficiente c’ (efecto directo de X sobre Y). Si c’ se reduce a un valor idéntico a cero (o pierde toda significación estadística), se concluye la existencia de una mediación completa. Por el contrario, si c’ experimenta una reducción estadísticamente detectable en comparación con el coeficiente total c original, pero permanece significativamente diferente de cero, se concluye la presencia de una mediación parcial.

Este marco procedimental dotó a generaciones completas de investigadores de una lógica nítida y verificable. Proporcionó una alternativa operativa a las meras conjeturas teóricas sobre «cómo funcionan los mecanismos», forzando a los científicos a medir explícitamente las variables del proceso y a modelar matemáticamente su tránsito secuencial.

3.3 La Prueba de Sobel y la Evaluación Formal del Efecto Indirecto

Aunque los cuatro pasos canónicos ofrecían una heurística sumamente intuitiva, presentaban la limitación técnica de evaluar la mediación a través de pruebas de significación aisladas para cada coeficiente individual, sin contrastar directamente la magnitud integrada del efecto indirecto. Kenny reconoció prontamente que el efecto indirecto de X sobre Y a través de M se cuantifica matemáticamente como el producto de los coeficientes de las trayectorias intermedias: a * b (o, de manera algebraicamente equivalente en regresión lineal ordinaria sin datos ausentes, como la diferencia entre el efecto total y el efecto directo: c – c’).

Para someter a prueba la hipótesis nula formal de que el efecto indirecto es igual a cero (H0: a * b = 0), Kenny popularizó e integró en el análisis de mediación la formulación matemática del estadístico z propuesta originalmente por Michael E. Sobel en 1982. La denominada prueba de Sobel calcula un error estándar asintótico para el producto de coeficientes utilizando una aproximación mediante series de Taylor de primer orden:

El error estándar del producto (SE_ab) se calcula mediante la fórmula matemática:

SE_ab = raíz_cuadrada(a^2 * SE_b^2 + b^2 * SE_a^2)

o, en su versión extendida de segundo orden propuesta por Leo Goodman:

SE_ab = raíz_cuadrada(a^2 * SE_b^2 + b^2 * SE_a^2 + SE_a^2 * SE_b^2)

Al dividir el producto estimado a * b entre su error estándar asintótico estimado, se obtiene un valor z que se compara contra los valores críticos de la distribución normal estándar (por ejemplo, ±1.96 para un nivel alfa bilateral de 0.05). Esta derivación supuso un salto metodológico inmenso: otorgó a la comunidad científica un contraste formal, unificado y paramétrico para determinar si la transmisión indirecta de una intervención o rasgo a través de un mecanismo intermedio poseía solidez estadística indiscutible.

4. Evolución, Críticas y Actualizaciones del Análisis de Mediación

4.1 Problemas de Distribución y el Giro hacia el Remuestreo (Bootstrapping)

A pesar del éxito avasallador del enfoque de Baron y Kenny y de la prueba de Sobel, las limitaciones estadísticas inherentes a la estimación asintótica comenzaron a suscitar serias advertencias metodológicas a partir de finales de la década de 1990. Investigadores cuantitativos demostraron que la asunción teórica fundamental de la prueba de Sobel —a saber, que el producto de dos variables aleatorias normalmente distribuidas (los coeficientes a y b) se distribuye asimismo de acuerdo con una curva normal— es empíricamente insostenible. En muestras finitas, la distribución del producto a * b es asimétrica y presenta una acusada leptocurtosis positiva, sesgándose marcadamente hacia la derecha.

Como consecuencia directa de esta asimetría distributiva, la prueba de Sobel padece un error de tipo II sustancial en muestras de tamaño pequeño y moderado: arroja intervalos de confianza simétricos forzados que a menudo incluyen el cero cuando en realidad existe un efecto indirecto genuino, subestimando la potencia estadística del diseño de mediación. Ante esta deficiencia, metodólogos de la talla de Patrick Shrout, Niall Bolger, David MacKinnon, Kristopher Preacher y Andrew F. Hayes promovieron con firmeza el uso de técnicas de remuestreo no paramétrico (bootstrapping).

David Kenny adoptó y respaldó abiertamente este giro analítico. Lejos de atrincherarse defensivamente en los métodos clásicos formulados en 1986, Kenny reconoció en sus plataformas formativas y publicaciones contemporáneas que los intervalos de confianza corregidos por sesgo y acelerados obtenidos mediante bootstrapping constituyen el estándar óptimo para inferir la significación de los efectos indirectos. El remuestreo empírico de la muestra original genera distribuciones empíricas no restringidas por supuestos paramétricos irreales, otorgando a las pruebas de mediación una exactitud analítica y una potencia inferencial muy superiores a las ofrecidas por la aproximación asintótica de Sobel.

4.2 El Desafío de la Confusión No Observada y la Mediación Causal Moderna

El segundo gran desafío metodológico al que se enfrentó el modelo canónico de mediación emergió de la moderna revolución de la inferencia causal liderada desde la informática y la bioestadística por Judea Pearl, Donald Rubin, James Robins y Tyler VanderWeele. Esta corriente teórica, estructurada en torno al lenguaje de los grafos causales dirigidos acíclicos (DAGs) y el marco de resultados contrafácticos (counterfactuals), demostró que la asignación aleatoria de la variable independiente X en un ensayo experimental tradicional no garantiza en absoluto que el efecto indirecto resultante esté libre de confusión causal.

Específicamente, los teóricos de la mediación causal moderna evidenciaron que el vínculo entre el mediador M y el resultado Y es intrínsecamente observacional, incluso si X fue manipulada experimentalmente por el investigador. Si existen variables confusoras no observadas que afecten simultáneamente a M y a Y, los coeficientes b y c’ de las ecuaciones de regresión lineal estándar quedarán irremediablemente sesgados. Peor aún, si la propia exposición a X altera confusores posteriores que median la relación entre M e Y (confusión inducida por el tratamiento), los métodos analíticos tradicionales fracasan por completo en descomponer los efectos directos e indirectos naturales.

Kenny integró lúcidamente estas críticas en sus escritos contemporáneos, colaborando en la divulgación de las directrices de sensibilidad causal. Aceptó que el análisis de mediación no debe limitarse a la estimación mecánica de coeficientes estadísticos, sino que exige el planteamiento riguroso de supuestos de identificabilidad causal y la ejecución obligatoria de análisis de sensibilidad. Dichos análisis permiten determinar cuantitativamente qué tan potente debería ser una variable confusora no observada para anular o invertir los efectos indirectos reportados por el analista, introduciendo una saludable modestia inferencial en las afirmaciones causales psicológicas.

4.3 La Flexibilización del Requisito del Efecto Total

Una de las modificaciones más sustanciales que Kenny introdujo respecto a su postura inicial de 1986 atañe a la rigidez del Paso 1 del algoritmo original, el cual exigía demostrar una relación total estadísticamente significativa entre X e Y como requisito previo indispensable para investigar cualquier mecanismo de mediación. A lo largo de la década de 2000, Kenny aclaró y enfatizó que este requisito no constituye una condición teórica necesaria para la ocurrencia de la mediación y que su aplicación dogmática ocasionaba el descarte indebido de procesos causales de enorme trascendencia científica.

El argumento medular para flexibilizar esta condición reside en la existencia de los denominados procesos de mediación inconsistente o fenómenos con efectos supresores. Esto sucede cuando el efecto indirecto (a * b) y el efecto directo (c’) poseen signos matemáticos opuestos: el proceso indirecto transmite una influencia positiva, mientras que la vía directa opera con signo negativo (o viceversa). En tales configuraciones analíticas, ambas vías opuestas se cancelan mutuamente al integrarse algebraicamente, dando como resultado un efecto total (c) cercano a cero y carente de significación estadística en el Paso 1.

Bajo la perspectiva madura de David Kenny, descartar el análisis de mediación debido a la ausencia de un efecto total evidente constituye un grave error inferencial. Cuando el marco conceptual previo ofrece fundamentos teóricos plausibles para la existencia de vías contrapuestas, los analistas deben evaluar de manera independiente la vía indirecta sin depender de la significación del efecto bruto. De este modo, Kenny reafirmó la primacía de la coherencia teórica sobre los automatismos algorítmicos, liberando a la investigación aplicada de ataduras formales contraproducentes.

5. La Distinción Fundamental entre Mediación y Moderación

5.1 Delimitación Conceptual: ¿Cómo y Por Qué vs. Cuándo y Para Quién?

La delimitación epistémica establecida por Reuben Baron y David Kenny en 1986 entre mediadores y moderadores sigue siendo uno de los pilares taxonómicos más valiosos de las ciencias del comportamiento. La confusión semántica que imperaba con anterioridad derivaba de considerar que cualquier variable que alterase de algún modo la relación entre un predictor y un resultado merecía una consideración técnica idéntica. Baron y Kenny demostraron que estos dos conceptos responden a interrogantes ontológicas y funcionales profundamente dispares dentro del cuerpo de una teoría científica.

La mediación aborda el cómo y el por qué de una relación causal. Un mediador representa el mecanismo endógeno, el eslabón intermedio o la cadena de eventos psicológicos, biológicos o sociales mediante los cuales una condición antecedente genera una consecuencia determinada. Por el contrario, la moderación indaga en el cuándo, el dónde y el para quién se manifiesta un determinado fenómeno. Un moderador no es el resultado del predictor, sino una condición de frontera, un rasgo de personalidad, una variable demográfica o un contexto ambiental que amplifica, atenúa, anula o invierte la intensidad y dirección del efecto entre dos variables.

Para ilustrar esta distinción pedagógica con la máxima claridad conceptual, consideremos la siguiente tabla comparativa fundamentada en las directrices de Kenny:

• Pregunta central de la teoría: La mediación responde a ¿cuál es el mecanismo generativo subyacente?; la moderación responde a ¿bajo qué condiciones o para qué individuos opera el efecto?
• Estatus causal de la tercera variable: En la mediación, la variable es una respuesta endógena causada por el predictor; en la moderación, la variable es típicamente exógena y lógicamente independiente del tratamiento antecedente.
• Representación gráfica básica: La mediación se ilustra mediante una estructura triangular secuencial (X -> M -> Y); la moderación se representa con una flecha que intercepta directamente otra flecha (el moderador actuando sobre la trayectoria X -> Y).
• Operacionalización analítica principal: La mediación se cuantifica mediante modelos de senderos intermedios y productos de regresión; la moderación se operacionaliza mediante términos de producto (interacción estadística) en modelos lineales.

5.2 Especificación Matemática de la Moderación y Efectos Interactivos

Desde el punto de vista de la estimación matemática, Kenny sistematizó la formalización de la moderación dentro del marco de la regresión múltiple lineal generalizada. Para evaluar formalmente si una variable continua o categórica Z actúa como moderadora de la relación lineal entre X e Y, el analista debe estimar una ecuación que contenga los efectos principales de ambos predictores más un término multiplicativo que capture su interacción funcional:

Y = b0 + b1*X + b2*Z + b3*(X * Z) + e

En esta formulación algebraica, la hipótesis nula de moderación se reduce a la comprobación de si el parámetro b3 difiere estadísticamente de cero. Si b3 es estadísticamente significativo, se concluye formalmente que la pendiente de la regresión de Y sobre X no es constante, sino que cambia de magnitud o signo en función directa de los valores escalares que adopte la variable moderadora Z.

Kenny advirtió insistentemente sobre los peligros metodológicos asociados al cálculo ingenuo de términos de interacción sin el debido tratamiento de las escalas originales. Recomendó enfáticamente el centrado en la media (restar a cada puntuación individual la media muestral de la variable correspondiente: X – media_X y Z – media_Z) antes de calcular el término de producto cruzado. Esta operación de centrado reduce drásticamente la multicolinealidad estructural entre los efectos principales y el término de producto interactivo, facilitando una interpretación sustantiva inmediata: bajo variables centradas, el coeficiente b1 representa el efecto de X cuando la variable moderadora se encuentra exactamente en su valor promedio.

Asimismo, Kenny promovió el abandono de la práctica arbitraria de clasificar a los participantes en grupos de «altos» y «bajos» mediante divisiones medianas artificiales de moderadores continuos, denunciando la severa pérdida de potencia estadística y el incremento de sesgos que esto conlleva. En su lugar, abogó por el análisis de pendientes simples (simple slopes analysis) evaluadas en desviaciones típicas convencionales (+1 SD, media, -1 SD) y, más rigurosamente aún, por la adopción de la técnica de Johnson-Neyman, la cual calcula analíticamente las zonas exactas de la escala continua del moderador donde la relación focal entre X e Y transita entre la significación y la no significación estadística.

5.3 Modelos Complejos de Mediación Moderada y Moderación Mediada

A medida que la teorización en psicología social se tornaba más sofisticada durante las décadas de 1990 y 2000, los investigadores comprendieron que los procesos psicosociales no suelen ajustarse a esquemas univariados aislados de mediación simple o moderación pura. Por el contrario, los procesos explicativos se ven condicionados de forma recurrente por el contexto contextual. Para responder a este reto, David Kenny formuló y clarificó las distinciones metodológicas entre dos arquitecturas de modelado analítico complejo: la mediación moderada y la moderación mediada.

La mediación moderada (frecuentemente denominada análisis de efectos indirectos condicionales) ocurre cuando el mecanismo generativo en sí mismo se ve condicionado por una variable moderadora externa. En este caso, la magnitud del efecto indirecto transmitido a través del mediador (el producto de las vías intermedias) varía en función de los niveles del moderador. Kenny especificó que esta contingencia puede manifestarse en la primera etapa del proceso (el moderador altera la relación entre X y M), en la segunda etapa (el moderador altera la influencia de M sobre Y), o bien de forma simultánea en ambas etapas del flujo causal.

Por otro lado, la moderación mediada se refiere a la situación conceptual donde un efecto de interacción previamente detectado entre dos variables primarias (X y Z) sobre un resultado final es explicado causalmente por un proceso intermedio. En este diseño, la propia sinergia o interacción inicial produce un cambio en el mediador M, y es dicho cambio en el mediador el que finalmente impacta en la variable de desenlace Y. Kenny proporcionó pautas de especificación rigurosas para que los analistas distingan analíticamente ambas estructuras y eviten la sobreparametrización teórica, recomendando siempre seleccionar el modelo que guarde una correspondencia ontológica estricta con las hipótesis sustantivas formuladas a priori.

6. El Modelo de Relaciones Sociales (Social Relations Model – SRM)

6.1 Fundamentos Teóricos de la Percepción Interpersonal

Durante la mayor parte del siglo XX, la psicología social cuantitativa incurrió en lo que diversos teóricos denominaron la falacia atomista: examinar los juicios, percepciones y conductas de individuos aislados como si las evaluaciones interpersonales fueran exclusivamente una propiedad privada e intracraneal del observador. Bajo este paradigma reduccionista, si un participante evaluaba a un colega como «hostil» o «competente», la respuesta se interpretaba invariablemente como un rasgo dispositional de la personalidad del evaluador o como una propiedad absoluta del estímulo evaluado, ignorando por completo la naturaleza intrínsecamente diádica y transaccional del fenómeno.

Para superar este atolladero conceptual, David Kenny, en una serie de investigaciones seminales publicadas a partir de finales de la década de 1970 y complementadas brillantemente en colaboración con Lawrence La Voie y su libro de referencia Interpersonal Perception: A Social Relations Analysis (1994), concibió y desarrolló el Modelo de Relaciones Sociales (Social Relations Model, SRM). El SRM parte de la premisa axiomática de que todo juicio, emoción o conducta manifiesta en un escenario de interacción interpersonal no pertenece a un individuo aislado, sino que es el producto emergente y distribuido de una matriz diádica estructurada.

Para estimar empíricamente los parámetros del SRM, Kenny diseñó metodologías de recolección de datos sistemáticas, destacando el diseño round-robin (donde cada integrante de un grupo social cerrado califica y es calificado por todos los demás miembros del grupo) y el diseño de bloques completos (donde los miembros de un subgrupo específico evalúan a todos los miembros de un subgrupo complementario, como ocurre habitualmente en contextos de entrevistas de trabajo o interacciones entre profesionales y clientes). Estos diseños diádicos cruzados permiten someter las puntuaciones observadas a un análisis de descomposición de la varianza multivariada de formidable elegancia matemática.

6.2 Descomposición de la Varianza en el SRM

El núcleo matemático del Modelo de Relaciones Sociales formulado por Kenny radica en la descomposición de cualquier observación interpersonal (denotada formalmente como X_ijk, que representa la respuesta emitida por el actor i hacia el compañero j dentro del grupo social k) en un conjunto de componentes ortogonales y aditivos:

X_ijk = mu_k + alpha_ik + beta_jk + gamma_ijk + epsilon_ijk

donde los componentes teóricos se definen de acuerdo con las siguientes fuentes de variabilidad sustantiva:

• Media basal del grupo (mu_k): Es el nivel promedio general de la respuesta emitida por el conjunto de los miembros pertenecientes a ese grupo específico.
• Efecto del actor (alpha_ik): Representa la tendencia disposicional o rasgo característico del actor i a emitir una respuesta determinada de manera constante a través de múltiples interlocutores. Por ejemplo, en el estudio del agrado interpersonal, cuantifica qué tan proclive es una persona particular a manifestar que «le agradan los demás» en general.
• Efecto del compañero o partner (beta_jk): Representa la capacidad sistemática del individuo j para provocar o evocar una respuesta uniforme y consensuada en los demás miembros del entorno social. En el ejemplo del agrado, cuantifica la deseabilidad o atractivo social del sujeto evaluado, es decir, qué tanto consenso existe en el grupo de que esa persona resulta «agradable».
• Efecto de la relación (gamma_ijk): Es el ajuste o la química interactiva estrictamente única y no generalizable que se forja entre el actor i y el compañero j específicos, por encima y más allá de sus tendencias generales como actor y compañero. Refleja cómo i percibe a j de forma particular en comparación con cómo i evalúa a los demás y cómo el grupo evalúa a j.
• Error de medición residual (epsilon_ijk): La porción de varianza aleatoria no explicada por ninguno de los componentes estructurales precedentes. Para separar matemáticamente el efecto genuino de la relación del error residual, Kenny demostró la necesidad ineludible de recopilar múltiples indicadores observables o evaluaciones repetidas en momentos temporales distintos.

6.3 Reciprocidad Diádica y Generalizada

Uno de los hallazgos empíricos y conceptuales más trascendentes derivados de la descomposición de varianzas de Kenny en el marco del SRM fue la distinción matemática rigurosa entre dos formas fundamentales de reciprocidad social: la reciprocidad generalizada y la reciprocidad diádica. Con anterioridad a los trabajos de Kenny, los científicos sociales correlacionaban ingenuamente las puntuaciones emitidas con las puntuaciones recibidas entre individuos, obteniendo correlaciones globales equívocas que oscurecían la verdadera dinámica de la reciprocidad humana.

La reciprocidad generalizada opera en el nivel individual de los efectos principales y responde a la pregunta de si las personas que sistemáticamente perciben a los demás de cierta manera son, a su vez, percibidas de ese mismo modo por el colectivo. Formalmente, se evalúa mediante la covarianza estadística calculada entre los efectos del actor y los efectos del compañero a lo largo de toda la muestra (Cov(alpha_i, beta_i)). Por ejemplo, en investigaciones sobre atracción, Kenny demostró que esta reciprocidad generalizada suele ser cercana a cero en entornos occidentales: el hecho de que un individuo sea «agradable hacia los demás» de manera indiscriminada no predice en absoluto que los demás miembros del grupo lo encuentren atractivo o agradable a él.

En contraste paradigmático, la reciprocidad diádica opera a nivel intrínsecamente micro-social y se calcula a partir de la covarianza entre los efectos de relación bidireccionales dentro de cada pareja específica, una vez que se han sustraído y controlado matemáticamente los efectos generales de actor y compañero (Cov(gamma_ij, gamma_ji)). Esta correlación captura si el afecto o juicio diferencial y único que i proyecta sobre j se ve recíprocamente correspondido por j hacia i. Kenny y sus colaboradores comprobaron que, mientras la reciprocidad generalizada suele ser insignificante en muchas dimensiones socioafectivas, la reciprocidad diádica exhibe una solidez y magnitud considerables, revelando que el afecto genuino se construye en la especificidad única del vínculo relacional.

7. El Modelo de Interdependencia Actor-Pareja (APIM)

7.1 El Problema Estadístico de los Datos No Independientes

En las ciencias de la conducta, una porción masiva de los fenómenos de mayor relevancia teórica y aplicada —como la comunicación matrimonial, la empatía, el apego romántico, las negociaciones laborales, el conflicto entre hermanos o la relación médico-paciente— ocurre en el seno de parejas o díadas formalmente constituidas. Sin embargo, durante décadas los investigadores procesaron estos conjuntos de datos utilizando herramientas estadísticas estándar como el análisis de varianza (ANOVA) ordinario o la regresión múltiple tradicional por mínimos cuadrados ordinarios (OLS), tratando a cada miembro de la pareja como una observación analítica enteramente independiente.

David Kenny denunció con suma agudeza las desastrosas consecuencias cuantitativas de esta mala praxis empírica. En muestras relacionales, las respuestas de los integrantes de una díada se encuentran fuertemente correlacionadas debido a procesos de selección mutua, historia compartida, exposición a ambientes contextuales idénticos y contagio emocional recíproco. Esta correlación intrínseca viola de forma directa el supuesto de independencia de las observaciones, el cual constituye el axioma fundacional de la estadística inferencial clásica.

Kenny demostró analíticamente que procesar observaciones no independientes mediante modelos estándar conlleva una distorsión sistemática del denominador en las pruebas de significación de Student y Fisher. En presencia de una correlación intradiádica positiva no modelada, el error estándar de estimación se subestima drásticamente, lo cual infla artificialmente el estadístico de prueba y dispara las tasas del error de tipo I a niveles inaceptables (concluyendo la existencia de efectos teóricos altamente significativos cuando se trata únicamente de ruido estadístico). Para subsanar esta vulnerabilidad estructural, Kenny consagró su esfuerzo al desarrollo y divulgación de un marco metodológico diseñado específicamente para modelar y capitalizar dicha interdependencia: el APIM.

7.2 Estructura del APIM: Efectos del Actor y Efectos de la Pareja

El Modelo de Interdependencia Actor-Pareja (Actor-Partner Interdependence Model, APIM), formalizado conceptual y algebraicamente por David Kenny a mediados de la década de 1990 y consolidado en el clásico volumen Dyadic Data Analysis (2006) en coautoría con Deborah A. Kashy y William L. Cook, proporciona una arquitectura formal para estimar simultáneamente la influencia intraindividual e interindividual en díadas.

En la estructura analítica del APIM, se examina cómo la variable independiente X evaluada en ambos miembros de la díada (miembro 1 y miembro 2) predice la variable dependiente de resultado Y observada en ambos integrantes. El modelo define formalmente dos tipos de parámetros causales o asociativos fundamentales:

• Efecto del Actor (Actor Effect): Mide la influencia directa y funcional que ejerce la característica o puntuación X de un individuo sobre su propia variable dependiente de resultado Y (por ejemplo, cómo el nivel de estrés autopercibido por el esposo impacta directamente en el bienestar fisiológico del propio esposo).
• Efecto de la Pareja o Partner (Partner Effect): Mide la influencia interpersonal cruzada que ejerce la puntuación X del cónyuge o compañero diádico sobre la variable de resultado Y del otro individuo (por ejemplo, cómo el nivel de estrés del esposo impacta en el bienestar fisiológico de la esposa, una vez controlado el nivel de estrés propio de ella).

Un aspecto metodológico crítico del APIM teorizado por Kenny consiste en la distinción entre díadas distinguibles y díadas indistinguibles. En las díadas distinguibles, existe una variable dicotómica sustantiva y no arbitraria que permite categorizar a los miembros de la pareja (por ejemplo, género en parejas heterosexuales, o roles jerárquicos como gerente-subordinado o doctor-paciente). En tales condiciones, Kenny enseñó a contrastar si los efectos del actor y de la pareja son equivalentes o funcionalmente asimétricos entre ambos roles. En contraste, en las díadas indistinguibles (como gemelos monocigóticos, amistades del mismo género o parejas homosexuales donde no aplican distinciones funcionales), el modelo impone restricciones matemáticas de igualdad en los parámetros de regresión, varianzas y covarianzas residuales para asegurar una estimación matemáticamente congruente y parsimoniosa.

7.3 Modelado Multinivel y SEM para el Análisis del APIM

La genialidad de Kenny en el desarrollo del APIM se reflejó asimismo en su flexibilidad algorítmica: demostró que este modelo diádico puede estimarse con idéntico rigor matemático mediante dos de las familias analíticas más avanzadas de la estadística moderna: el Modelado Multinivel / Modelos Lineales Mixtos (MLM/HLM) y el Modelado de Ecuaciones Estructurales (SEM).

En la aproximación mediante modelos multinivel, la estructura diádica se concibe como un diseño jerárquico de dos niveles donde los dos miembros individuales (Nivel 1) se encuentran estrictamente anidados dentro de una unidad diádica superior que es la pareja (Nivel 2). Kenny especificó cómo programar los modelos mixtos configurando matrices de covarianza adecuadas a nivel de residuos —como la estructura heterogénea simétrica o no estructurada en díadas distinguibles y de simetría compuesta en díadas indistinguibles— para ajustar de manera impecable el error intradiádico y evitar sesgos de inferencia.

Por otro lado, la aproximación mediante SEM modela la díada como una única unidad analítica multivariada compuesta por un vector de variables observadas. Esta perspectiva presenta la ventaja insuperable de permitir la contrastación simultánea de restricciones de igualdad de parámetros mediante la prueba de diferencia de Chi-cuadrado (likelihood ratio test) para comprobar si hombres y mujeres (o roles funcionales) difieren en sus magnitudes de respuesta, así como la posibilidad de integrar indicadores latentes para purificar los efectos del actor y del partner de la atenuación provocada por el error aleatorio. Con el volumen Dyadic Data Analysis (2006), Kenny, Kashy y Cook ofrecieron la biblia definitiva de este enfoque, instruyendo a generaciones completas de científicos sobre la gestión computacional de este modelado de vanguardia.

8. Modelado de Ecuaciones Estructurales (SEM) y Diseños Longitudinales

8.1 Monografías Tempranas y Divulgación del SEM en Psicología

A finales de la década de 1970, el modelado de ecuaciones estructurales comenzaba a despuntar gracias a los avances algorítmicos formulados por el estadístico sueco Karl Jöreskog y la creación del software LISREL. Sin embargo, esta disciplina naciente se encontraba restringida a círculos cuantitativos sumamente herméticos debido al lenguaje matricial abstracto con el que era presentada. En 1979, David Kenny publicó una monografía que revolucionaría el panorama bibliográfico formativo: Correlation and Causality, editada por John Wiley & Sons.

La publicación de Correlation and Causality supuso una auténtica democratización metodológica. Kenny tradujo los intrincados teoremas del álgebra matricial multivariada a explicaciones intuitivas respaldadas por diagramas de senderos transparentes, guiando paso a paso a investigadores sin un entrenamiento matemático exhaustivo en las complejidades de la especificación de modelos, la identificación de parámetros, la estimación por máxima verosimilitud y la contrastación empírica del desajuste global. Su texto enseñó a toda una disciplina a plantearse preguntas causales honestas a partir de datos observacionales y no experimentales.

Kenny subrayó incansablemente que el ajuste estadístico de un modelo no demuestra jamás que la teoría subyacente sea fácticamente «verdadera». Con una lucidez epistemológica constante, recalcó que cualquier modelo plausible posee un conjunto de modelos matemáticamente equivalentes —configuraciones alternativas de flechas direccionales que arrojan exactamente el mismo valor de Chi-cuadrado y los mismos índices de ajuste globales—. Así, instruyó a la comunidad en que la selección entre modelos alternativos no puede dirimirse por medio de un algoritmo ciego, sino mediante la solidez lógica de la argumentación teórica y la robustez del diseño empírico.

8.2 El Enfoque Cuantitativo de los Datos Panel y la Estabilidad Temporal

El estudio formal de la evolución temporal y el cambio longitudinal constituye otra de las áreas donde Kenny realizó aportaciones cuantitativas determinantes. Enfrentado a la problemática recurrente de cómo medir simultáneamente la continuidad y la transformación de la conducta humana en diseños panel con medidas repetidas en múltiples olas temporales, Kenny demostró que los enfoques analíticos clásicos —como las pruebas t dependientes o el ANOVA de medidas repetidas— mezclaban erróneamente componentes temporales de naturaleza incompatible.

A través de la formulación de modelos estructurales de series de tiempo, tales como los modelos cuasi-simplex, Kenny ofreció una metodología para segregar empíricamente la estabilidad ontológica de los rasgos personales, las fluctuaciones transitorias de estado y el cambio genuino y duradero a lo largo del ciclo vital. El modelo simplex asume un proceso autorregresivo markoviano donde el estado de un constructo en el tiempo t es el resultado directo de su nivel en t-1 más un impacto de innovación no predecible, permitiendo a su vez aislar el error estocástico de medición en cada punto de recopilación de datos.

Gracias a estos avances, Kenny resolvió diversas paradojas estadísticas que desconcertaban a los investigadores aplicados. Demostró, por ejemplo, cómo la fiabilidad aparente de una escala psicométrica puede parecer artificialmente alta debido a la persistencia temporal de sesgos de respuesta específicos del método, o cómo una intervención psicosocial puede inducir cambios estructurales cualitativos en la relación entre variables a pesar de que las medias brutas observadas en el tiempo exhiban una estabilidad superficial engañosa.

8.3 Índices de Ajuste y Diagnóstico de Modelos

En el terreno de la evaluación diagnóstica de los modelos de ecuaciones estructurales, las reflexiones críticas de David Kenny transformaron las normas universales de reporte empírico. Durante los primeros años de uso del SEM, los investigadores dependían exclusivamente del estadístico de bondad de ajuste del Chi-cuadrado (Chi-square test of model fit). No obstante, Kenny alertó sistemáticamente sobre la hipersensibilidad de esta prueba al tamaño muestral: en muestras amplias —precisamente las exigidas para garantizar la estabilidad de los parámetros multivariados—, el Chi-cuadrado detecta desviaciones mínimas, inocuas e irrelevantes entre la matriz de covarianza observada y la reproducida, rechazando prácticamente cualquier modelo teórico sensato.

Para mitigar esta limitación, Kenny analizó en profundidad el comportamiento y la calibración empírica de los índices de ajuste alternativos más populares de la literatura psicométrica, tales como el Error Cuadrático Medio de Aproximación (Root Mean Square Error of Approximation, RMSEA), el Índice de Ajuste Comparativo (Comparative Fit Index, CFI) y el Índice de Tucker-Lewis (TLI). En contribuciones metodológicas destacadas, como sus publicaciones junto a D. Betsy McCoach (Kenny & McCoach, 2003) y trabajos posteriores junto a Bilge Kaniskan (Kenny, Kaniskan, & McCoach, 2015), Kenny exploró de manera minuciosa cómo el RMSEA puede inflarse artificialmente en modelos con grados de libertad reducidos o muestras pequeñas, produciendo diagnósticos falsamente desfavorables de modelos en realidad bien especificados.

Asimismo, Kenny mantuvo una postura sumamente rigurosa y precavida frente a las denominadas «modificaciones de modelos» basadas en los índices de modificación de Lagrange. Advirtió con tenacidad a los analistas de datos sobre la tentación constante de liberar covarianzas de error de manera iterativa y post hoc con el único fin instrumental de mejorar los indicadores cosméticos de ajuste. Denunció que tal comportamiento constituye una forma flagrante de capitalización del azar empírico que mina la replicabilidad de la ciencia, instando siempre a los investigadores a subordinar cualquier modificación del modelo a una justificación teórica sustantiva derivada a priori.

9. Contribuciones Metodológicas al Error de Medición y Validez Causal

9.1 Atenuación por Error y Corrección de Fiabilidad

Desde la época fundacional de Charles Spearman a principios del siglo XX, la psicometría sabía en teoría que el error de medición no correlacionado sesga hacia abajo (atenúa) las estimaciones de correlación bivariada entre dos constructos continuos. Sin embargo, la comprensión cabal del impacto letal del error en modelos multivariados más complejos se encontraba sorprendentemente desatendida en la investigación empírica cotidiana de las ciencias sociales hasta que Kenny abordó la materia con sistematicidad matemática en sus tratados.

Kenny demostró a la comunidad científica que en un modelo de regresión múltiple con más de un predictor, el impacto de una medición imperfecta en una covariable no se limita a una simple atenuación simétrica. Si una variable independiente relevante se evalúa con una fiabilidad defectuosa, el coeficiente de regresión de dicha variable quedará severamente subestimado, pero de forma concurrente, el coeficiente de una segunda variable incluida en el modelo que se encuentre libre de error puede inflarse de manera espectacular, adoptando un efecto compensatorio totalmente espurio. Este sesgo puede inducir a los analistas a declarar falsamente la primacía explicativa de una variable sobre otra basándose exclusivamente en diferencias no controladas en la fiabilidad de sus respectivos instrumentos psicométricos.

A través de la promoción activa del modelado mediante variables latentes libres de error —donde múltiples ítems o indicadores empíricos permiten separar la varianza sustantiva de la varianza residual individual—, Kenny ofreció la solución metodológica formal para este problema. Asimismo, proporcionó pautas operativas para llevar a cabo la corrección formal de fiabilidad en matrices observadas cuando la muestra empírica resulta insuficiente para converger de forma adecuada en modelos de ecuaciones estructurales latentes completos, evitando conclusiones espurias sustentadas en artefactos psicométricos.

9.2 El Análisis Cuasiexperimental y el Control por Propensión

Fiel heredero del legado de Donald T. Campbell, Kenny dedicó gran parte de sus energías formativas a clarificar los límites y las posibilidades de los diseños cuasiexperimentales y observacionales. Si bien el ensayo controlado aleatorizado (RCT) representa el estándar de oro metodológico para garantizar la equivalencia inicial de los grupos y blindar la validez interna de una intervención, Kenny comprendió tempranamente que en gran parte de las dimensiones sustantivas de la psicología social —tales como la separación marital, el trauma psicológico, el estatus socioeconómico o los estilos de liderazgo en organizaciones reales— la aleatorización resulta pragmáticamente imposible o éticamente inadmisible.

En este dominio, Kenny evaluó críticamente la eficacia de los procedimientos de emparejamiento estadístico tradicionales frente a las metodologías contemporáneas basadas en puntuaciones de propensión (propensity scores), formuladas por Rosenbaum y Rubin. En sus tratados metodológicos, examinó el uso cuidadoso del puntaje de propensión como una herramienta de ponderación o estratificación para aproximar la comparabilidad de grupos autoseleccionados a través del control exhaustivo de vectores multivariados de covariables basales observables.

No obstante, Kenny mantuvo siempre un escepticismo metodológico saludable frente al optimismo ciego de los analistas. Enfatizó de forma terminante que las puntuaciones de propensión resuelven el sesgo de selección únicamente para aquellas variables que el investigador ha tenido la previsión y la capacidad técnica de medir con exactitud. Si existe un solo factor de confusión no medido que impulse simultáneamente la pertenencia al grupo de tratamiento y la respuesta final observada, los métodos de propensión fallan exactamente del mismo modo que las técnicas tradicionales de mínimos cuadrados ordinarios. Kenny abogó siempre por la cautela epistemológica: ninguna sofisticación estadística posterior puede subsanar por completo las carencias fundacionales de un diseño metodológico débil.

9.3 Potencia Estadística y Tamaño del Efecto en Modelos Complejos

Otra de las advertencias recurrentes de Kenny a la comunidad internacional concierne a la flagrante subestimación del poder estadístico en los estudios psicológicos que pretenden analizar mediaciones, moderaciones e interdependencias diádicas. Mientras que la literatura clásica de Jacob Cohen sobre potencia estadística se concentraba fundamentalmente en contrastes bivariados básicos (pruebas t y correlaciones r), Kenny expandió estos análisis hacia las complejidades de los modelos estructurales multivariados.

En el contexto específico del análisis de mediación, Kenny y sus colegas evidenciaron que probar un efecto indirecto requiere tamaños muestrales sustancialmente mayores que los necesarios para detectar una correlación directa ordinaria de magnitud análoga. Dado que el efecto mediado depende de la significación concurrente de dos coeficientes secuenciales independientes (o del producto a * b), un estudio con un tamaño muestral de 80 participantes suele tener una potencia estadística dramáticamente insuficiente para detectar indirectos moderados, desembocando en una alta prevalencia de falsos negativos. De igual modo, demostró analíticamente que las pruebas de moderación e interacción lineal en encuestas de campo padecen de una potencia crónicamente baja debido a la restricción de rangos y al impacto multiplicativo del error de medida en el término de producto cruzado.

Para combatir esta debilidad generalizada, Kenny desarrolló guías de cálculo empíricas y algoritmos simplificados que permiten a los investigadores estimar de antemano el tamaño de muestra requerido para alcanzar una potencia del 80% en modelos de interdependencia actor-pareja (APIM) y en diseños round-robin del Modelo de Relaciones Sociales (SRM). Sus contribuciones formativas enseñaron a la comunidad científica a no confundir la ausencia de significación estadística con la evidencia empírica de ausencia de efecto.

10. Desarrollo de Herramientas Computacionales y Recursos de Acceso Abierto

10.1 Software Especializado: De SOREMO a Paquetes en R

A lo largo de su carrera, David Kenny comprendió lúcidamente que la adopción generalizada de un modelo estadístico de vanguardia depende de forma ineludible de la disponibilidad de herramientas informáticas capaces de ejecutar los cálculos algebraicos sin requerir que el usuario sustantivo programe las matrices analíticas desde cero. En las décadas de 1980 y 1990, cuando los paquetes comerciales convencionales como SPSS o SAS carecían de módulos integrados para procesar datos de interacción interpersonal cruzada, Kenny asumió la responsabilidad técnica de programar software especializado para su difusión libre.

El fruto más insigne de este esfuerzo fue el desarrollo del programa SOREMO (Social Relations Model), una herramienta informática escrita en Fortran y complementada posteriormente con interfaces para sistemas operativos modernos. SOREMO automatizaba la lectura de matrices complejas provenientes de diseños round-robin y de bloques completos, ejecutando la descomposición formal de varianzas, el aislamiento de efectos de actor y de compañero, y el cómputo exacto de reciprocidades generalizadas y diádicas con sus correspondientes pruebas de significación estadística.

Con la llegada de la revolución informática del código abierto en el siglo XXI y la adopción universal del entorno computacional estadístico R, Kenny facilitó la transición hacia nuevas herramientas digitales. Colaboró estrechamente con jóvenes metodólogos en la conceptualización de paquetes en R diseñados específicamente para el análisis diádico y el modelado de relaciones sociales, tales como TripleR y módulos complementarios en lavaan. Esta transición tecnológica aseguró que las matrices del SRM y los algoritmos del APIM pudieran integrarse en flujos de trabajo computacionales reproducibles de última generación.

10.2 Aplicaciones Web Interactivas para la Comunidad Científica

Reconociendo que muchos investigadores conductuales, clínicos y profesionales de la salud carecen del tiempo o del entrenamiento en programación necesarios para codificar scripts complejos en R o Mplus, Kenny expandió sus horizontes pedagógicos hacia el diseño de aplicaciones web interactivas desarrolladas en plataformas modernas como R Shiny. Esta iniciativa representó un avance trascendente en la democratización del acceso a las herramientas metodológicas avanzadas.

El ejemplo más emblemático de esta visión fue la creación de la aplicación APIM_iM (desarrollada en colaboración con especialistas como Stasja Draisma y Thomas Ledermann). Esta plataforma digital en línea permite a cualquier investigador cargar directamente su archivo de datos diádicos estructurados, seleccionar de manera interactiva las variables del actor y de la pareja, y obtener al instante el análisis completo del Modelo de Interdependencia Actor-Pareja procesado en tiempo real mediante SEM a través de lavaan.

Un aspecto innovador y pedagógicamente brillante de APIM_iM radica en su capacidad para generar de forma totalmente automatizada no solo las tablas de estimación de parámetros con sus correspondientes intervalos de confianza remuestreados (bootstrapping), sino también una redacción narrativa completa de la sección de resultados estadísticos siguiendo al pie de la letra las normas editoriales de la Asociación Estadounidense de Psicología (APA). De este modo, la aplicación eliminó de raíz los errores habituales de transcripción empírica y estandarizó los reportes de datos interpersonales en la literatura biomédica y social global.

10.3 El Sitio Web Personal como Enciclopedia Abierta de Metodología

Mucho antes de que los movimientos institucionales en defensa de la Ciencia Abierta (Open Science) y el Acceso Abierto (Open Access) cobraran fuerza formal en los consensos científicos mundiales, David Kenny ya operaba una infraestructura digital pedagógica sin precedentes a través de su sitio web oficial en la Universidad de Connecticut: davidakenny.net.

Dicho portal web evolucionó a lo largo de más de dos décadas hasta consolidarse en una auténtica enciclopedia temática en línea de libre acceso, dedicada íntegramente a los temas vertebrales de su dominio: el modelado de ecuaciones estructurales, el análisis de mediación, los modelos de moderación, el Modelo de Relaciones Sociales y el análisis de datos diádicos. Kenny redactó personalmente decenas de monografías, tutoriales detallados, manuales paso a paso y glosarios analíticos, actualizándolos con regularidad para incorporar las soluciones metodológicas más novedosas a los debates emergentes.

El sitio web de Kenny democratizó el conocimiento metodológico a escala planetaria, ofreciendo formación técnica de primer nivel a miles de estudiantes y académicos de países de ingresos medios y bajos que carecían de los recursos económicos necesarios para adquirir costosos libros de texto especializados o pagar suscripciones a paquetes de software comercial. Su generosidad académica y su voluntad explícita de responder consultas de investigación de forma transparente lo consagraron como el mentor digital predilecto de múltiples generaciones de científicos en todo el globo.

11. Impacto Pedagógico, Mentoría y Difusión de la Metodología Cuantitativa

11.1 Labor Docente y Formación de Nuevas Generaciones

La influencia formativa de David Kenny no puede calibrarse únicamente a través de sus índices bibliométricos o sus desarrollos algebraicos; debe medirse con igual peso a través de su magisterio directo en las aulas universitarias y en su vocación inquebrantable de mentoría doctoral. Durante sus años en Harvard y, fundamentalmente, a lo largo de sus cuatro décadas en la Universidad de Connecticut, Kenny formó a una legión de psicólogos sociales y metodólogos cuantitativos que hoy en día ocupan cátedras de primer orden y lideran departamentos en todo el mundo.

Su estilo pedagógico se distinguió siempre por una extraordinaria capacidad para priorizar la intuición conceptual por encima del formalismo algebraico estéril. Kenny comenzaba sus explicaciones con preguntas sustantivas: «¿Qué significa realmente que dos personas se agraden mutuamente?», «¿Qué implica que una intervención terapéutica funcione a través de un cambio en la cognición?». Solo cuando el estudiante había internalizado el mapa conceptual del fenómeno humano, Kenny procedía a desplegar los diagramas de senderos y las matrices de varianza y covarianza necesarias para capturar dicha lógica en el plano computacional.

Además de su docencia universitaria reglada, Kenny dictó cientos de talleres intensivos y cursos de formación avanzada en metodología en los congresos científicos más importantes a nivel global, incluyendo las convenciones anuales de la Society for Personality and Social Psychology (SPSP), la Association for Psychological Science (APS) y la American Psychological Association (APA). Su calidez humana, su sentido del humor pedagógico y su infinita paciencia para responder dudas metodológicas transformaron el aprendizaje de la psicometría avanzada —tradicionalmente percibida por los estudiantes como una experiencia intimidante— en una vivencia intelectualmente estimulante y profundamente esclarecedora.

11.2 Premios y Reconocimientos Institucionales de su Trayectoria

Como testimonio tangible de su monumental contribución a las ciencias de la conducta y la metodología estadística, David Kenny ha sido objeto de las distinciones institucionales más codiciadas de su disciplina a lo largo de una carrera ilustre:

• Distinguished Scientist Award: Concedido por la Sociedad de Psicología Social Experimental (Society of Experimental Social Psychology, SESP), este galardón rinde tributo a aquellos académicos cuya investigación empírica y conceptual ha transformado de forma permanente la comprensión científica de los procesos conductuales humanos.
• Distinguished Lifetime Achievement Award: Otorgado por la División 5 (Quantitative and Qualitative Methods) de la American Psychological Association, en reconocimiento a una vida entera de servicio pionero al avance de la psicometría, la modelización estadística y la pedagogía cuantitativa.
• Estatus de Profesor Distinguido Emérito: Designado formalmente por la Junta de Fideicomisarios de la Universidad de Connecticut, confiriéndole el máximo rango honorífico docente de la institución por su excelencia sostenida en investigación, liderazgo formativo y prestigio internacional.
• Miembro Titular (Fellow) de Sociedades de Élite: Electo como Miembro Titular de la Association for Psychological Science (APS), la American Psychological Association (APA) y la Society for Personality and Social Psychology (SPSP), reflejando el respeto unánime de la comunidad académica de pares internacionales.

Estos reconocimientos atestiguan el impacto duradero de un intelectual que nunca buscó el protagonismo personal, sino que puso su formidable intelecto al servicio incondicional del progreso riguroso de la ciencia psicológica.

11.3 Su Voz en la Crisis de Replicabilidad de la Psicología

A partir de la década de 2010, la psicología social experimental y la biomedicina se vieron sacudidas por la denominada crisis de replicabilidad. El estallido del debate internacional en torno al uso de prácticas de investigación cuestionables (questionable research practices o QRPs), el p-hacking, la selección post hoc de hipótesis tras conocer los resultados (HARKing) y las muestras crónicamente subdimensionadas obligó a la disciplina a someterse a un examen de conciencia epistemológico urgente.

En este escenario crítico, la voz de David Kenny se alzó con la autoridad de quien llevaba décadas previniendo a la comunidad científica sobre estos mismos vicios metodológicos. Kenny recordó que los modelos analíticos más sofisticados del mundo resultan absolutamente inútiles si se aplican sobre datos maleados o construidos para forzar artificialmente el umbral de p < 0.05. Defendió con contundencia que la principal salvaguarda científica contra la proliferación de falsos positivos no radica en trucos analíticos cosméticos, sino en el diseño de estudios con una adecuada potencia estadística, el preregistro abierto de hipótesis y modelos, y la honestidad en el reporte del error de medida.

Kenny respaldó la integración plena de los principios de la Ciencia Abierta en los modelos estructurales complejos. Argumentó que el intercambio abierto de datos anonimizados, sintaxis computacionales y matrices de correlación completas constituye una obligación ética ineludible para todo investigador contemporáneo. De este modo, su figura sirvió de puente generacional entre los principios epistemológicos fundacionales heredados de Donald Campbell y las exigencias de transparencia informática de la era de la replicación digital.

12. Legado Científico y Perspectivas Futuras de la Psicometría Social

12.1 Síntesis de una Vida Dedicada a Medir la Complejidad Humana

Al contemplar la trayectoria vital e intelectual de David Kenny desde su nacimiento en el año fundacional de 1946 hasta el presente continuo, se revela una impresionante coherencia de propósito. Su trabajo representa una de las cruzadas metodológicas más audaces de la historia de las ciencias del comportamiento: la formalización matemática del tejido relacional humano sin caer en reduccionismos simplificadores ni en un dogmatismo cuantitativo desconectado de la realidad.

Kenny consolidó a la díada, al grupo y al sistema interpersonal interactivo como unidades analíticas formales de pleno derecho en la psicología cuantitativa. Al demostrar cómo modelar de manera simultánea los sesgos individuales, las dinámicas del compañero, la interdependencia recíproca y el error de medida residual, liberó a las ciencias de la conducta de la falacia atomista que durante décadas impidió comprender a cabalidad cómo los seres humanos se perciben, se comunican y se afectan en la vida real. Del mismo modo, su codificación del análisis de mediación y moderación alteró para siempre el modo en que las disciplinas científicas evalúan empíricamente sus teorías explicativas.

La vigencia de su producción no se ha extinguido con el paso del tiempo; por el contrario, sus principios se mantienen plenamente operativos en la base de datos de cualquier laboratorio de psicología contemporáneo. La obra de Kenny demuestra con elocuencia que el rigor metodológico no constituye una imposición hostil sobre la imaginación teórica del investigador, sino el escudo protector más formidable que posee la ciencia para no engañarse a sí misma con espejismos estadísticos.

12.2 Integración del Legado de Kenny con Métodos Contemporáneos de Machine Learning

En la era actual marcada por la explosión masiva de macrodatos (Big Data), la analítica de redes sociales digitales y la ubicuidad de los algoritmos de Inteligencia Artificial y Aprendizaje Automático (Machine Learning), el legado teórico y metodológico de David Kenny adquiere una relevancia estratégica inusitada. Gran parte de los modelos comerciales de caja negra que procesan millones de interacciones interpersonales en plataformas digitales adolecen de una fragilidad estructural: destacan en la predicción puramente asociativa de patrones conductuales, pero fracasan estrepitosamente al intentar desentrañar la arquitectura de los mecanismos explicativos que subyacen a dichas tendencias.

Es precisamente en este cruce de caminos donde las metodologías de Kenny ofrecen un valor irreemplazable. Científicos de datos contemporáneos han comenzado a integrar formalmente la descomposición de varianzas del Modelo de Relaciones Sociales (SRM) en los modelos de grafos neuronales y sistemas de recomendación diádicos, logrando desglosar las afinidades algorítmicas entre usuarios en componentes explicables de emisor (actor), receptor (compañero) y compatibilidad relacional única. Asimismo, la convergencia entre el aprendizaje automático supervisado y la inferencia causal moderna descansa sobre los supuestos de mediación y control de confusión que Kenny contribuyó a popularizar en el siglo XX.

Frente al riesgo epistemológico de sucumbir a soluciones de caja negra indescifrables, el marco conceptual de Kenny reivindica la superioridad de los modelos teóricos interpretables. Su obra recuerda a los científicos computacionales del siglo XXI que la verdadera comprensión científica no consiste simplemente en optimizar una función de pérdida algorítmica para maximizar una tasa de clics, sino en identificar los mecanismos causales y las condiciones de frontera que gobiernan la interacción humana en el plano cognitivo, afectivo y social.

12.3 Vigencia del Pensamiento Metodológico de Kenny en el Siglo XXI

Al adentrarse la ciencia psicológica en las décadas centrales del siglo XXI, la vigencia del pensamiento metodológico de David Kenny se manifiesta en la expansión natural de sus teorías hacia nuevas fronteras transdisciplinarias. La distinción entre mediadores y moderadores sigue siendo el primer principio taxonómico que se enseña a todo estudiante de posgrado en biomedicina, economía del comportamiento, ciencias cognitivas e ingeniería de la salud. De igual modo, la incorporación masiva de datos ecológicos momentáneos (Ecological Momentary Assessment, EMA) y mediciones biométricas en tiempo real mediante dispositivos móviles ha impulsado el florecimiento del modelado multinivel dinámico y de procesos diádicos continuos, aplicaciones que encuentran sus cimientos matemáticos en las premisas de interdependencia del APIM formuladas por Kenny.

La figura de David Kenny permanece como un testimonio imperecedero de elegancia analítica, integridad moral y compromiso pedagógico al servicio de la verdad científica. Su vida y su obra han demostrado de forma concluyente que es posible abordar la inconmensurable complejidad del comportamiento social mediante modelos rigurosos, transparentes y éticos. En un mundo académico a menudo fragmentado por modas metodológicas efímeras, el legado de David Anthony Kenny continuará brillando como una brújula indispensable para todos aquellos que asuman el noble desafío de medir, comprender y explicar la insondable arquitectura de las relaciones humanas.

Referencias

A continuación se presenta un listado rigurosamente seleccionado de las obras clásicas y contemporáneas citadas a lo largo de este tratado, representativas de la trayectoria académica de David Kenny y del desarrollo histórico de la psicometría y la metodología cuantitativa social:

• Aiken, L. S., & West, S. G. (1991). Multiple regression: Testing and interpreting interactions. SAGE Publications.
• Baron, R. M., & Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182. https://doi.org/10.1037/0022-3514.51.6.1173
• Campbell, D. T., & Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56(2), 81–105. https://doi.org/10.1037/h0046016
• Campbell, D. T., & Kenny, D. A. (1999). A primer on regression artifacts. The Guilford Press.
• Kenny, D. A. (1975). Cross-lagged panel correlation: A test for spuriousness. Psychological Bulletin, 82(6), 887–903. https://doi.org/10.1037/0033-2909.82.6.887
• Kenny, D. A. (1979). Correlation and causality. John Wiley & Sons.
• Kenny, D. A. (1994). Interpersonal perception: A social relations analysis. The Guilford Press.
• Kenny, D. A. (1996). Models of non-independence in dyadic research. Journal of Social and Personal Relationships, 13(2), 279–294. https://doi.org/10.1177/0265407596132007
• Kenny, D. A., Kaniskan, B., & McCoach, D. B. (2015). The performance of RMSEA in models with small degrees of freedom. Sociological Methods & Research, 44(3), 486–507. https://doi.org/10.1177/0049124114543236
• Kenny, D. A., Kashy, D. A., & Cook, W. L. (2006). Dyadic data analysis. The Guilford Press.
• Kenny, D. A., & La Voie, L. (1984). The social relations model. En L. Berkowitz (Ed.), Advances in experimental social psychology (Vol. 18, pp. 141–182). Academic Press. https://doi.org/10.1016/S0065-2601(08)60144-6
• Kenny, D. A., & McCoach, D. B. (2003). Effect of the number of variables on measures of fit in structural equation modeling. Structural Equation Modeling: A Multidisciplinary Journal, 10(3), 333–351. https://doi.org/10.1207/S15328007SEM1003_1
• MacKinnon, D. P. (2008). Introduction to statistical mediation analysis. Lawrence Erlbaum Associates.
• Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS procedures for estimating indirect effects in simple mediation models. Behavior Research Methods, Instruments, & Computers, 36(4), 717–731. https://doi.org/10.3758/BF03206553
• Shrout, P. E., & Bolger, N. (2002). Mediation in experimental and nonexperimental studies: New procedures and recommendations. Psychological Methods, 7(4), 422–445. https://doi.org/10.1037/1082-989X.7.4.422
• Sobel, M. E. (1982). Asymptotic confidence intervals for indirect effects in structural equation models. Sociological Methodology, 13, 290–312. https://doi.org/10.2307/270723
• VanderWeele, T. J. (2015). Explanation in causal inference: Methods for mediation and interaction. Oxford University Press.