HTMT
La ratio original, basada en la media aritmética de las correlaciones de los indicadores. El valor por defecto y el más reportado.
MÉTODO PLS-SEM
La ratio HTMT: evaluar la validez discriminante
La ratio heterorrasgo-monorrasgo de las correlaciones (HTMT) es el estándar moderno para comprobar si dos constructos de un modelo PLS-SEM son empíricamente distintos. Esta página explica qué mide, cómo leerla frente a los umbrales 0,85 y 0,90, sus variantes y los errores que cometen la mayoría de los primeros envíos.
Qué mide la ratio HTMT
La validez discriminante plantea una pregunta sencilla: ¿dos constructos que tu teoría trata como diferentes son realmente diferentes en los datos? La HTMT estima cuál sería la correlación entre dos constructos si se midieran sin error. Es la ratio entre la correlación media de los indicadores a través de los dos constructos (heterorrasgo) y la correlación media de los indicadores dentro de cada constructo (monorrasgo).
Cuanto más cerca de 1 esté esa ratio, más se solapan los dos constructos y más débil es la validez discriminante. Introducida por Henseler, Ringle y Sarstedt (2015), la HTMT detecta problemas de validez discriminante que el antiguo criterio de Fornell-Larcker y el examen de las cargas cruzadas pasan por alto habitualmente.
Un ejemplo resuelto
Dos constructos, Confianza y Calidad, se miden con indicadores reflectivos. La correlación media de sus indicadores entre los dos constructos (heterorrasgo), frente a la media dentro de cada constructo (monorrasgo), da HTMT = 0,78. Como 0,78 está por debajo del umbral conservador de 0,85, los dos constructos son empíricamente distintos.
Si el valor hubiera salido 0,93, concluirías que los dos constructos se solapan demasiado como para tratarlos por separado, y revisarías el modelo de medida.
Cómo leer los umbrales
Comparas cada valor HTMT por pares con un punto de corte. Qué corte aplica depende de lo conceptualmente similares que sean los dos constructos.
- HTMT < 0,85
- El umbral conservador. Úsalo cuando los dos constructos son conceptualmente distintos. Un valor por debajo de 0,85 es evidencia clara de validez discriminante.
- HTMT < 0,90
- El umbral liberal. Defendible cuando los dos constructos son conceptualmente cercanos (por ejemplo, actitud cognitiva y afectiva).
- HTMT ≥ 0,90
- Un problema de validez discriminante. Los dos constructos probablemente capturan lo mismo. Considera fusionarlos, eliminar indicadores solapados o repensar el modelo de medida.
La elección entre 0,85 y 0,90 debe justificarse por motivos teóricos, antes de ver el resultado, y no elegirse después para asegurar un aprobado.
HTMT, HTMT2 e inferencia estadística
HTMT2
Un refinamiento de Roemer, Schuberth y Henseler (2021) que usa la media geométrica. Más apropiado cuando los indicadores de un constructo no son tau-equivalentes (sus cargas difieren de forma sustancial).
Inferencia HTMT
En lugar de comparar con un corte fijo, generas por bootstrap un intervalo de confianza para cada HTMT y compruebas que su límite superior se mantenga por debajo de 1 (o de tu umbral). Así la validez discriminante se convierte en una prueba estadística formal.
Evaluar la validez discriminante paso a paso
- Calcula la matriz HTMT completa para cada par de constructos del modelo.
- Elige el umbral por par: 0,85 para constructos conceptualmente distintos, 0,90 para los conceptualmente cercanos.
- Marca cualquier par que esté en su umbral o por encima.
- Para los pares marcados o límite, genera por bootstrap el intervalo de confianza del HTMT y confirma que el límite superior se mantenga por debajo de 1.
- Si un par no supera la prueba, revisa el modelo de medida antes de interpretar los coeficientes de ruta. Nada de lo posterior es fiable mientras los constructos no sean distintos.
Errores habituales
- Reportar solo el criterio de Fornell-Larcker. Por sí solo se considera ya insuficiente, y los revisores esperan el HTMT.
- Usar el umbral de 0,90 para constructos que no son conceptualmente similares, solo para obtener un aprobado.
- Tratar una única estimación puntual como prueba. Un valor de 0,84 cuyo intervalo de confianza llega a 0,95 no es limpio.
- Ignorar el HTMT2 cuando las cargas de los indicadores varían mucho dentro de un constructo.
HTMT en OpenPLS
OpenPLS muestra la matriz HTMT completa en el panel de criterios de calidad en cuanto calculas un modelo, junto con el HTMT2 y los intervalos de confianza por bootstrap. Los pares por encima de tu umbral se resaltan automáticamente, de modo que los problemas de validez discriminante salen a la luz sin construir la matriz a mano. Es gratis y funciona en el navegador.
Comprueba la validez discriminante en tu propio modelo
Construye tu modelo en el editor visual y obtén la matriz HTMT, el HTMT2 y los intervalos bootstrap en un solo cálculo. Gratis, sin instalación.
Preguntas frecuentes
- ¿Qué es un buen valor HTMT?
- Por debajo de 0,85 para constructos conceptualmente distintos, o por debajo de 0,90 para los conceptualmente similares. Cuanto más bajo, mejor: significa que los dos constructos están claramente separados.
- ¿Cuál es la diferencia entre el HTMT y el criterio de Fornell-Larcker?
- Ambos evalúan la validez discriminante, pero el HTMT es mucho más sensible. Los estudios de simulación muestran que el criterio de Fornell-Larcker a menudo no detecta la falta de validez discriminante que el HTMT sí capta, por lo que el HTMT es hoy el estándar recomendado.
- ¿Cuándo debo usar HTMT2 en lugar de HTMT?
- Usa HTMT2 cuando los indicadores de un constructo tienen cargas sustancialmente diferentes (no son tau-equivalentes). Se basa en la media geométrica y está menos sesgado en ese caso.
Lecturas adicionales
La referencia fundacional es Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115-135. Para la variante con media geométrica: Roemer, E., Schuberth, F., & Henseler, J. (2021). HTMT2 - an improved criterion for assessing discriminant validity. Industrial Management & Data Systems, 121(12), 2637-2650.