El presente estudio se inscribe en la categoría de investigaciones instrumentales (Ato, López, & Benavente, 2013). Su ejecución se llevó a cabo, de acuerdo con los lineamientos éticos establecidos por la Asociación Americana de Psicología y las recomendaciones del CONICET para las investigaciones en las ciencias sociales y humanas (Resolución 2827/06).

Se integró una muestra inicial de 510 participantes, de los cuales fueron descartados 36 casos incompletos. La muestra definitiva quedó conformada por 474 trabajadores (68% mujeres) de diversas organizaciones argentinas públicas y privadas localizadas en el centro-sur de la provincia de Santa Fe y norte de la provincia de Buenos Aires. El promedio de edad fue de 36 años (DE = 10.84). La antigüedad laboral media fue de 9 años (DE = 10.21). El 86.5% de la muestra tenía estudios superiores terciarios y/ o universitarios. El 69% de los trabajadores tenía un trabajo efectivo, en tanto que el 31% un contrato de duración limitada. En promedio, los empleados trabajaban 42 horas y media por semana. El 56.7% trabajaba en el sector privado. La distribución por rubros de actividad fue la siguiente: 32.2% industria, 30.5% comercio y servicios, 25.3% salud, 12% educación.

La recolección de los datos se llevó a cabo en el seno de las organizaciones que aceptaron participar en la investigación, en días y horarios previamente pautados con las autoridades y en los lugares físicos que las mismas dispusieron a tal efecto. La participación de los trabajadores fue voluntaria, anónima y confidencial. No se brindaron incentivos de ningún tipo. La administración de las técnicas estuvo a cargo de personal entrenado a tal efecto. En todos los casos, los participantes completaron de manera individual un cuadernillo que contenía en su primera hoja el objetivo del estudio y las instrucciones para responder; en la segunda hoja, el formulario de consentimiento informado y; en las restantes páginas los ítems correspondientes a los instrumentos que a continuación se describen, distribuidos aleatoriamente.

Escala de Comportamientos Proactivos. Se utilizó la escala desarrollada por Belschak y Den Hartog (2010). El instrumento está integrado por 11 ítems presentados en formato Likert de 5 puntos (1 = totalmente en desacuerdo; 5 = totalmente de acuerdo). Los reactivos se distribuyen a lo largo de tres sub-escalas denominadas: (a) comportamientos proactivos pro-organizacionales (3 ítems; ej.: “sugiero ideas frente a los problemas que afronta mi organización”; α = .82); (b) comportamientos proactivos pro-sociales (4 ítems; ej.: “ayudo a mis compañeros para que desarrollen e implementen nuevas ideas”; α = .86) y; (c) comportamientos proactivos pro-individuales (4 ítems; ej: “encuentro nuevas maneras de realizar mis tareas y ser más efectivo”; α = .89).

Escala de Personalidad Proactiva. Se administró la versión breve de la escala homónima elaborada por Bateman y Crant (1993). El instrumento está integrado por 10 ítems (ej.:“siempre estoy buscando formas de hacer mejor las cosas”) valorados sobre una escala tipo Likert de 5 puntos (1 = totalmente en desacuerdo; 5 = totalmente de acuerdo). Los ítems fueron traducidos del inglés al español por parte de dos jueces expertos. Se revisaron estas versiones hasta obtener una versión consensuada, con especial énfasis en aspectos lingüísticos y culturales. La versión utilizada en este estudio presentó evidencias de confiabilidad compuesta (CR = .78) y consistencia interna (α = .80). El AFC ejecutado mostró que los datos se ajustaban apropiadamente a un modelo uni-factorial integrado por 10 variables observables (S-Bχ2/gl = 1.71; GFI = .95; CFI= .94; RMSEA = .03).

Escala de satisfacción laboral. Se utilizó la Escala de Satisfacción Laboral Genérica (Salessi & Omar, 2016). El instrumento está integrado por siete ítems (ej.: “en mi trabajo puedo aplicar todas mis capacidades y habilidades”; α = .87) valorados sobre una escala tipo Likert de 5 puntos (1 = totalmente en desacuerdo; 5= totalmente de acuerdo).

Escala de Implicación con el trabajo. Se empleó la escala desarrollada por Kanungo (1982). El instrumento está integrado por 10 ítems (ej.: “estoy personalmente comprometido con mi trabajo”) valorados sobre una escala tipo Likert de 5 puntos (1 = totalmente en desacuerdo; 5 = totalmente de acuerdo). Los ítems fueron traducidos del inglés al español por parte de dos jueces expertos. Se revisaron estas versiones hasta obtener una versión consensuada, con especial énfasis en aspectos lingüísticos y culturales. La versión utilizada en este estudio presentó evidencias de confiabilidad compuesta (CR = .78) y consistencia interna (α = .81). El AFC ejecutado indicó que los datos se ajustaban apropiadamente a un modelo uni-factorial integrado por 10 variables observables (S-Bχ2/gl = 1.96; GFI = .92; CFI = .95; RMSEA = .01).

El procesamiento y análisis de datos se realizó con los programas Factor, SPSS (versión 22.0) y EQS (versión 6.3). La estrategia adoptada para el análisis se detalla a continuación.

Preparación del instrumento. Se analizaron las evidencias de validez de constructo referidas al contenido, la equivalencia semántica y la equivalencia operacional entre el instrumento original y su versión adaptada (Muñiz, Elosua & Hambleton, 2013). Se efectuaron tareas de revisión bibliográfica y consultas con expertos para establecer el significado del constructo “proactividad”, tanto en la cultura donde fue desarrollado el instrumento, como en la cultura objetivo. Se realizó una traducción de los ítems siguiendo un procedimiento iterativo de traducción y re-traducción. En este sentido, dos traductores profesionales tradujeron los ítems desde su idioma original al idioma de la población objetivo. Seguidamente, otros dos profesionales bilingües retradujeron los ítems desde el español al inglés. Finalmente, dos nuevos traductores científicos compararon “a ciegas” las dos formas del instrumento. Con miras a establecer la equivalencia operacional, la versión prototípica fue aplicada a una muestra por disponibilidad de 42 estudiantes de un postgrado en administración de empresas quienes, además, trabajaban en diversas organizaciones (55% varones; edad media: 34 años, DE = 7.64; antigüedad laboral media: 5.34 años, DE = 3.24). Se explicitó la naturaleza y objetivos del estudio, solicitando la colaboración voluntaria de los alumnos. Al finalizar, se habilitó un espacio para que los participantes pudieran opinar sobre el instrumento.

Análisis factoriales. Sobre una mitad de la muestra se ejecutó un análisis factorial exploratorio (AFE), previa obtención de los índices de adecuación muestral (pruebas de Kaiser-Meyer-Olkin y de esfericidad de Bartlett). Por la naturaleza ordinal de los datos se utilizó la matriz de correlaciones policóricas y el método de mínimos cuadrados no ponderados (Hoffmann, Stover, De la Iglesia, & Fernández-Liporace, 2013). Para determinar el número de factores, se ejecutó un análisis paralelo optimizado, extrayendo aleatoriamente 500 sub-matrices e implementando el análisis de rango mínimo. Se efectuó la extracción de los factores sugeridos, optando por la rotación oblicua Promin, ya que existía la presunción que los elementos de la escala estuvieran relacionados (Baglin, 2014). El criterio para la selección de los ítems fue que pesaran .40 o más sobre el factor, y que no saturaran sobre más de un factor al mismo tiempo (Lloret-Segura, Ferreres, Hernández, & Tomás, 2014).

Sobre la otra mitad de la muestra se llevó a cabo un análisis factorial confirmatorio (AFC). Se optó por la estrategia de modelos rivales (Hair, Black, Babin, Anderson, & Tatham, 2010), contrastando el modelo derivado del AFE con un modelo alternativo uni-factorial sugerido por la literatura (Kamia & Porto, 2009). Para estimar cada modelo se utilizó el método de máxima verosimilitud con la corrección robusta de Satorra-Bentler (S-B), dada la naturaleza ordinal de los datos (Bentler, 2006). Para evaluar la bondad de ajuste se analizó que: (a) el índice S-Bχ sobre los grados de libertad (S-Bχ2/gl) fuera inferior a 3; (b) que el índice de bondad de ajuste (GFI, Goodness of Fit Index) y el índice de ajuste comparativo (CFI, Comparative Fit Index) alcanzaran valores iguales o superiores a .90; y (c) que el error cuadrático medio de aproximación (RMSEA, Root Mean Square Error of Approximation) fuera inferior a .05. Asimismo, se examinó el Criterio de Información de Akaike (AIC, Akaike Information Criterion), a sabiendas que cuanto menor sea su valor, más parsimonioso es el modelo (Hair et al., 2010).

Análisis de invarianza factorial. Dada la desproporción en la representación de ambos sexos en la muestra se procedió a realizar un análisis de invarianza según sexo. Específicamente, se examinó la invarianza configural (referente a la estructura factorial) y la invarianza de medida estricta (relativa a las cargas factoriales, varianzas, covarianzas y varianza residual). Para esto, inicialmente se estimó un modelo de base sin restricciones para ambos grupos. En segundo lugar, se propusieron modelos alternativos con restricciones en los diversos parámetros. Para la comparación de los modelos anidados se utilizó la prueba de diferencia de χ2, a sabiendas que si es estadísticamente significativa, los mismos no son equivalentes entre los grupos (Dimitrov, 2010).

Análisis de validez. Se obtuvo evidencia de validez convergente, discriminante y concurrente. La validez convergente y discriminante se determinaron mediante el cálculo de la varianza media extraída (AVE, Average Variance Extracted) y de su raíz cuadrada, respectivamente (Bagozzi & Yi, 2012; Henseler, Ringle, & Sarstedt, 2015). El AVE permite estimar la varianza común entre los indicadores y su factor latente, considerando que valores superiores a .50 indican que más del 50% de la varianza del constructo es debida a sus indicadores. Por su parte, valores de la raíz cuadrada del AVE superiores a la correlación entre los factores latentes demuestran que cada constructo comparte más varianza con sus indicadores que con los demás. La validez concurrente se analizó a partir del cálculo de las correlaciones entre los constructos estudiados, mediante el cómputo del coeficiente de rho Spearman.

Análisis de confiabilidad. Las evidencias de confiabilidad se establecieron a partir del cómputo del coeficiente alfa ordinal, del coeficiente de confiabilidad compuesta (CR, Composite Reliability) y del coeficiente Omega de McDonald (ω) con sus respectivos intervalos de confianza. Valores de alfa y CR por encima de .70 se consideran evidencia de adecuada confiabilidad (Gadermann, Guhn & Zumbo, 2012; Hair et al., 2010). El coeficiente ω es un estimador de consistencia interna basado en las cargas factoriales, que indica la proporción de varianza atribuida a la totalidad de la varianza común. Valores entre .70 y .90 se consideran aceptables (Ventura-León & Caycho, 2017).

El análisis de la literatura permitió concluir que el constructo proactividad es equivalente en ambas culturas (Salessi & Omar, 2017). Los profesionales indicaron que se había mantenido inalterada la concordancia entre cada ítem original y el traducido al español. Con respecto a la equivalencia operacional, los participantes del estudio piloto señalaron que las instrucciones para realizar la tarea estaban claramente redactadas; que no tuvieron inconvenientes para comprender el contenido de los ítems y que la escala tipo Likert utilizada para responder no generaba dificultades.

El porcentaje de datos perdidos en cada ítem no superó el 5%, respondiendo a una distribución aleatoria. Los valores faltantes fueron reemplazados mediante el método de Estimación-Maximización (Tabachnick & Fidell, 2013). Se detectaron 13 casos atípicos, los que fueron excluidos de la matriz de datos. La muestra final quedó, entonces, constituida por 461 participantes. Excepto el ítem 10 (que mostró valores de curtosis superiores a 1.5), en el resto de los ítems los índices de asimetría y curtosis se encontraron dentro del rango esperado. Las correlaciones ítem-total fueron todas positivas. La Tabla 1 presenta los estadísticos descriptivos, índices de asimetría y curtosis e índices de discriminación correspondientes.

Tabla 1:

ÍTEM	Media	DE	Asimetría	Curtosis	r i-total
1	3.02	1.05	-.73	-1.36	.55
2	3.81	1.10	-.88	.94	.50
3	3.32	1.13	.47	.81	.54
4	3.31	1.26	-.31	-.91	.67
5	3.46	1.00	-.92	1.07	.65
6	3.48	1.17	-.72	.77	.63
7	3.04	1.22	.80	-.74	.72
8	3.47	1.06	.65	-.95	.61
9	3.30	1.11	.93	-.99	.68
10	3.24	1.12	-1.38	-1.81	.40
11	3.65	1.04	-.85	.73	.65

Atendiendo a la recomendación de contar con un mínimo de 200 observaciones para asegurar que la solución factorial fuera estable y generalizable (Lloret-Segura et al., 2014), se seleccionaron en forma aleatoria simple 231 casos (n = 461). La matriz de datos fue considerada factorizable (Test de esfericidad de Bartlett: χ2 (36;231) = 560.82, p < .001; Índice de adecuación muestral de Kaiser-Meyer-Olkin = .80). El análisis paralelo optimizado, sugirió tres factores con autovalores superiores a sus equivalentes de la matriz de datos aleatorios. El porcentaje global de varianza común explicada por los factores extraídos fue de 68.70%. La distribución de los reactivos coincidió con las dimensiones propuestas originalmente por Belschak y Den Hartog (2010), las que fueron rotuladas como comportamientos proactivos orientados a la organización, comportamientos proactivos orientados a los demás y comportamientos proactivos orientados a uno mismo. En la Tabla 2 se informa, tanto la matriz de configuración con las saturaciones factoriales de cada ítem en cada factor, como la matriz de estructura que contiene las correlaciones entre las variables observables y las variables latentes.

Tabla 2:

Sobre la otra mitad de la muestra (n = 230) se llevó a cabo un análisis factorial confirmatorio siguiendo los lineamientos de la estrategia de modelos rivales (Kline, 2011; Bentler, 2006). Los resultados obtenidos para un modelo uni-factorial (un factor general de proactividad con 11 ítems como variables observables y sus respectivos errores de medida) indicaron un ajuste inadecuado (SBχ2 = 3.41; GFI = .80; CFI = .77; RMSEA = .11, IC 95% [0.10; 0.14]; AIC = 194.33). Las cargas factoriales se ubicaron entre .30 y .65 estandarizadas (p < .05). La eliminación de los ítems con menores cargas (ítem 6: “oriento a los nuevos compañeros” e ítem 10: “me esfuerzo por lograr mis objetivos personales en mi trabajo”) no produjo una mejora significativa en el ajuste (SBχ2 = 2.94; GFI = .82; CFI = .80; RMSEA = .10, IC 95% [.09; .12]; AIC = 164.89). La inspección de los índices de modificación, permitió observar que un cambio en los parámetros estimados entre los errores pertenecientes al par conformado por el ítem 3 (“optimizo la distribución de mi trabajo para ayudar a que la organización logre sus metas”) e ítem 8 (“busco nuevos modos de realizar mi trabajo para ser más eficiente”) produce una ganancia en el modelo. No obstante, tampoco fue suficiente para alcanzar un ajuste satisfactorio (SBχ2 = 2.11; GFI = .84; CFI = .82; RMSEA = .09, IC 95% [.08; .11]; AIC = 151.29).

Por su parte, los resultados obtenidos para un modelo tri-factorial (3 factores oblicuos, con 11 ítems como indicadores observables y sus respectivos errores de medida) indicaron un grado de ajuste aceptable pero no óptimo (SBχ2 = 2.79; GFI = .85; CFI = .81; RMSEA = .04, IC 95% [.03; .05]; AIC = 143.91). Las cargas factoriales se ubicaron entre .42 y .79 estandarizadas (p < .05). La eliminación del ítem con menor carga factorial (ítems 10: “me esfuerzo por lograr mis objetivos personales en mi trabajo”) produjo una leve mejora en el ajuste (SBχ2 = 2.36; GFI = .88; CFI = .86; RMSEA = .04, IC 95% [.03; .05]; AIC = 123.18). La inspección de los índices de modificación permitió observar que un cambio en los parámetros estimados entre los errores pertenecientes al par conformado por el ítem 9 (“me capacito para desarrollarme profesionalmente”) e ítem 11 (“asumo tareas que contribuyen al desarrollo de mi carrera laboral”) produce una ganancia en el modelo (SBχ2 = 1.79; GFI = .95; CFI = .94; RMSEA = .03, IC 95% [.04; .05]; AIC = 112.68). Los tres factores correlacionaron positiva y significativamente, con coeficientes variando entre .47 y .59 (p < .001). Las cargas factoriales estandarizadas en el factor comportamientos proactivos orientados a la organización se ubicaron entre .56 y .68 (p < .05); entre .54 y .66 (p < .05) en el factor comportamientos proactivos orientados a los demás y; entre .48 y .75 (p < .05) en el factor comportamientos proactivos orientados a uno mismo.

Análisis de invarianza factorial

El modelo de base estuvo compuesto por tres factores latentes oblicuos, 10 ítems como variables observables y sus respectivos errores de medición. Los índices de ajuste obtenidos por este modelo fueron adecuados (S-Bχ2 = 218.01, GFI = .91, CFI = .90, RMSEA = .03). Similares valores de ajuste se observaron para el modelo con restricciones en los pesos factoriales (S-Bχ2= 218.88, GFI = .90, CFI = .89, RMSEA = .04); con restricciones en las varianza y covarianza (S-Bχ2 = 239.91, GFI = .89, CFI = .89, RMSEA = .04) y con restricciones en la varianza residual de los factores (S-Bχ2 = 247.27, GFI = .88, CFI = .87, RMSEA .05). En todos los casos, la diferencia entre los respectivos χ2 entre el modelo de base y los modelos con restricciones no fue estadísticamente significativo (Dχ2= .80, gl = 4, p = .93; Dχ2 = 21.9, gl = 18, p = .23; Dχ2 = 21,1, gl = 23, p = .18, respectivamente), demostrando la invarianza de la escala entre varones y mujeres.

Análisis de validez convergente, discriminante y concurrente

La Tabla 3 muestra los coeficientes de correlación y los valores correspondientes al índice AVE y a su raíz cuadrada. Se observa que todos los comportamientos proactivos se relacionan positivamente a la personalidad proactiva, a la satisfacción laboral y a la implicación con el trabajo; siendo tales asociaciones levemente superiores para los comportamientos proactivos orientados a uno mismo y para los comportamientos proactivos orientados a la organización. Los coeficientes AVE obtenidos evidencian validez convergente, habida cuenta que la varianza capturada por los factores identificados es mayor que la debida a los errores de medida. Asimismo, todos los constructos presentan evidencia de validez discriminante, desde el momento que la raíz cuadrada del AVE es mayor que la correlación al cuadrado entre cada factor y los demás (Bagozzi & Yi, 2012; Henseler et al., 2015).

Tabla 3:

Variables	1	2	3	4	5	6	AVE
1. CP orientados a la organización	(.86)	.55*	.48*	.34*	.40*	.36*	.74
2. CP orientados a los demás		(87)	.42*	.30*	.31*	.25**	.76
3. CP orientados a uno mismo			(.88)	.36*	.44*	.42*	.79
4. Personalidad proactiva				(.87)	.38*	.30*	.77
5. Satisfacción laboral					(.92)	.67*	.85
6. Implicación laboral						(.84)	.72

Nota: Sobre la diagonal se informa la raíz cuadrada del AVE. CP = comportamientos proactivos.

Se obtuvo evidencia de fiabilidad tanto para escala total (α = .78; CR = .77; ω = .72, IC 95% [.69; .75] como para cada uno de sus sub-escalas. En este sentido, los valores para el factor comportamientos proactivos orientados a la organización se encontraron dentro del rango esperado (α = .80; CR = .79; ω = .74, IC 95% [.72; .79]); mientras que, los valores obtenidos para los factores comportamientos proactivos orientados a los demás y comportamientos proactivos orientados a uno mismo, fueron ligeramente superiores (α = .82; CR = .80; ω = .79, IC 95% [.77; 83]; α = .81; CR = .79; ω = .76, IC 95% [.73; 81], respectivamente).