Wspólna wariancja metody (CMV) i test Harmana – skąd się bierze i dlaczego test nie wystarcza?

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 18 października 2026

Co to jest wspólna wariancja metody?

Wspólna wariancja metody (ang. common method variance, CMV) to część wariancji wyników, która wynika ze sposobu pomiaru, a nie z mierzonych konstruktów. Gdy kilka zmiennych mierzy się tą samą metodą, ta wspólna składowa może zawyżać albo zaniżać związki między nimi; mówi się wtedy o błędzie wspólnej metody (ang. common method bias). Problem dotyczy większości prac opartych na jednej ankiecie – w psychologii, ale też w pracach z zarządzania i ekonomii.

Skąd się bierze i jak jej zapobiegać

Typowe źródła to jeden respondent i jeden kwestionariusz dla predyktora i wyniku, ten sam moment pomiaru (schemat przekrojowy), ten sam format odpowiedzi, skłonność do zgadzania się z twierdzeniami, chwilowy nastrój i aprobata społeczna. Podsakoff i in. (2003) w przeglądzie literatury opisują źródła błędu wspólnej metody i oceniają proceduralne oraz statystyczne sposoby jego kontroli. Najwięcej daje plan badania:

• dane z różnych źródeł, np. samoopis i ocena przełożonego albo wynik testu;
• pomiary rozdzielone w czasie: predyktor dziś, wynik za kilka tygodni;
• anonimowość, różne formaty skal i oddzielenie skal predyktorów od skali wyniku.

Test Harmana

Test jednego czynnika Harmana polega na wprowadzeniu wszystkich pozycji do jednej nierotowanej analizy czynnikowej albo PCA. Jeśli wyłania się jeden czynnik albo pierwszy wyjaśnia ponad 50% wariancji, uznaje się, że CMV jest problemem. Aguirre-Urreta i Hu (2019) wykazali jednak w symulacjach Monte Carlo, że test ma ograniczoną zdolność wykrywania efektów wspólnej metody i może dawać fałszywe poczucie bezpieczeństwa.

Przykład

W symulacji 300 osób wypełniło jedną ankietę ze skalami wsparcia społecznego, zadowolenia z życia i poczucia skuteczności (po 5 pozycji 1–5; dane symulowane). Na każdą pozycję działał też wspólny czynnik metody odpowiadający za około 20% jej wariancji. Korelacja wsparcia z zadowoleniem wyniosła r = .36, choć u tych samych osób bez czynnika metody byłaby równa .13. Mimo to pierwsza nierotowana składowa wyjaśniała tylko 39.7% wariancji 15 pozycji, a wartość własną większą od 1 miały trzy składowe. Test Harmana „nie wykrył” problemu, który prawie potroił korelację.

Jak zapisać w pracy

W ograniczeniach opisz zabezpieczenia, a wynik testu Harmana podaj najwyżej jako uzupełnienie. Odpowiedzi na uwagi recenzentów znajdziesz w poradnikach odpowiedź recenzentom i zarzuty recenzentów do statystyki.

# CMV a test Harmana: 300 osób, 3 skale po 5 pozycji 1–5, te same dane bez czynnika metody i z nim (dane symulowane)
set.seed(9393); n <- 300
K <- MASS::mvrnorm(n, rep(0, 3), matrix(c(1, .20, .15, .20, 1, .25, .15, .25, 1), 3))   # 3 konstrukty
M <- rnorm(n); E <- matrix(rnorm(n * 15), n)                     # czynnik metody i błędy 15 pozycji
likert <- function(x) apply(x, 2, function(v) as.numeric(cut(v, c(-Inf, -1.5, -0.5, 0.5, 1.5, Inf))))
bez_cmv <- likert(0.70 * K[, rep(1:3, each = 5)] + sqrt(1 - 0.70^2) * E)
z_cmv   <- likert(0.70 * K[, rep(1:3, each = 5)] + 0.45 * M + sqrt(1 - 0.70^2 - 0.45^2) * E)
r_skal <- function(X) cor(rowMeans(X[, 1:5]), rowMeans(X[, 6:10]))    # wsparcie a zadowolenie
ew <- eigen(cor(z_cmv))$values                                       # test Harmana: składowe nierotowane
round(c(udzial_metody = 0.45^2, r_bez_cmv = r_skal(bez_cmv), r_z_cmv = r_skal(z_cmv),
        harman_proc = 100 * ew[1] / sum(ew), skladowe_ponad_1 = sum(ew > 1)), 2)

   udzial_metody        r_bez_cmv          r_z_cmv      harman_proc 
            0.20             0.13             0.36            39.68 
skladowe_ponad_1 
            3.00 

Na co uważać

• „Pierwszy czynnik poniżej 50%, więc CMV nie ma” – to nieuprawniony wniosek, co pokazuje przykład powyżej.
• Korekta po fakcie nie zastąpi planu. Łatwiej zapobiec CMV, zbierając dane z różnych źródeł lub w różnym czasie, niż usuwać ją statystycznie.
• Wspólna metoda zawyża też dowody trafności. Wysoka korelacja dwóch kwestionariuszy z tej samej ankiety nie przesądza o trafności teoretycznej.

Najczęstsze pytania

Co to jest wspólna wariancja metody (CMV)?

To część wariancji wyników wynikająca ze sposobu pomiaru, a nie z mierzonych cech. Gdy wszystkie zmienne pochodzą z jednej ankiety wypełnionej jednorazowo, może zawyżać albo zaniżać związki między nimi.

Jak wykonać test Harmana?

Wprowadź wszystkie pozycje skal do jednej nierotowanej analizy czynnikowej lub PCA i sprawdź, jaki odsetek wariancji wyjaśnia pierwszy czynnik. Wynik poniżej 50% nie dowodzi jednak, że CMV nie ma.

Jak ograniczyć błąd wspólnej metody w ankiecie?

Zbieraj predyktor i wynik z różnych źródeł albo w różnym czasie, zapewnij anonimowość, użyj różnych formatów odpowiedzi i oddziel skale predyktorów od skali wyniku. Te zabezpieczenia opisz w części o metodzie.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

@article{aguirreurreta2019detecting, author={Aguirre-Urreta, Miguel I. and Hu, Jiang}, title={{Detecting common method bias: Performance of the Harman's single-factor test}}, journal={ACM SIGMIS Database: The DATABASE for Advances in Information Systems}, year={2019}, volume={50}, number={2}, pages={45--70}, doi={10.1145/3330472.3330477}}

@article{podsakoff2003common, author={Podsakoff, Philip M. and MacKenzie, Scott B. and Lee, Jeong-Yeon and Podsakoff, Nathan P.}, title={{Common method biases in behavioral research: A critical review of the literature and recommended remedies}}, journal={Journal of Applied Psychology}, year={2003}, volume={88}, number={5}, pages={879--903}, doi={10.1037/0021-9010.88.5.879}}