Personalidad y regulación interpersonal a través del tiempo

447.1. Regularidades que contienen variación

Una persona puede mostrarse expresiva en una conversación, reservada en la siguiente y molesta en una tercera sin que esas diferencias indiquen un cambio de personalidad. Cada observación describe un estado, es decir, lo que ocurrió en una ocasión determinada. Para hablar de regularidad hace falta comparar muchas ocasiones y saber en qué condiciones se produjo cada una. El problema consiste en explicar cómo se sostienen ciertas pautas mientras la conducta concreta cambia de un momento a otro.

La media individual resume esa regularidad, aunque pierde la información sobre las situaciones que la produjeron. Dos personas con medias parecidas pueden reaccionar de manera muy distinta ante un desacuerdo. A la inversa, una misma persona puede cambiar de media al pasar de un entorno a otro y mantener intacta su manera de responder dentro de cada uno. Por eso el nivel habitual, la variabilidad y la relación entre situación y respuesta deben estudiarse en conjunto.

Fleeson (2001) examinó estados relevantes para los cinco grandes factores en tres estudios de muestreo de experiencias que abarcaron entre dos y tres semanas de vida cotidiana. La variabilidad dentro de cada persona fue alta, al punto de que el participante típico manifestó casi todos los niveles de cada rasgo en su conducta habitual. Las diferencias individuales en la tendencia central de esas distribuciones resultaron, sin embargo, casi perfectamente estables, y la amplitud de la variabilidad se comportó también como una diferencia individual estable. En el caso de la extraversión, la variabilidad se relacionó con la reactividad de cada persona ante claves situacionales pertinentes. Estos hallazgos debilitan la idea de que un rasgo exige conducta uniforme. Su alcance es acotado, porque describen distribuciones observadas durante algunas semanas; de ellos no se sigue que pueda diagnosticarse un trastorno de personalidad a partir de fluctuaciones ni que una distribución permanezca idéntica a lo largo de la vida.

En una interacción, las condiciones de cada participante incluyen lo que hace el otro. La respuesta de una persona modifica la situación de su interlocutor, quien responde a su vez, y de esa dependencia surgen trayectorias compartidas. Analizarlas obliga a distinguir las diferencias personales relativamente persistentes de la selección de situaciones, y ambas de los efectos recíprocos que se producen durante el encuentro.

447.2. Qué se mide en una secuencia interpersonal

Considérese un registro ficticio de conversaciones entre dos participantes. Para cada uno se define una puntuación centrada de activación conductual, en la que valores mayores indican una intervención más intensa en la tarea según una regla de codificación fijada de antemano. La variable describe intensidad observable. Su definición deja fuera la agresividad, la calidad moral de la conducta y cualquier diagnóstico, y nada asegura que coincida con el malestar que cada participante experimenta.

El centrado admite valores negativos, que indican una intensidad inferior al nivel de referencia. La elección de ese nivel desplaza los interceptos del modelo y deja intactas las diferencias entre observaciones. Toda interpretación de parámetros debe conservar la definición y las unidades de la medida.

La duración de cada intervalo también cuenta. Un minuto puede captar turnos de respuesta, mientras que un día puede mezclar encuentros muy distintos. Cuando se agregan muchas conversaciones, la asociación entre puntuaciones diarias puede reflejar simplemente la cantidad de tiempo compartido, aunque no exista ninguna respuesta recíproca rápida. La unidad temporal tiene que corresponder a la hipótesis que se quiere examinar.

Hace falta, además, separar la activación observada de la intención que se le atribuye. Una interrupción puede codificarse con criterios verificables, mientras que afirmar que expresa rechazo requiere evidencia adicional. Si el instrumento mezcla conducta y explicación, la dinámica estimada incorporará las expectativas del observador. Un registro útil trata los acontecimientos observables y la experiencia subjetiva como fuentes relacionadas que se recogen por separado.

447.3. Un modelo de dos participantes

Se propone el siguiente sistema lineal discreto, enteramente sintético:

El vector $\mathbf z_t$ reúne las puntuaciones de ambos participantes en el intervalo $t$. Los términos diagonales de $M$ expresan la persistencia de la puntuación propia de un intervalo al siguiente, y los términos fuera de la diagonal, la dependencia respecto de la puntuación previa del otro. La entrada de contexto $u_t$ es un escalar que interviene en ambas ecuaciones con sensibilidades que pueden diferir, y $\boldsymbol\varepsilon_t$ es un ruido de media cero.

Los parámetros restantes se fijan en

Estos valores se eligieron para ilustrar propiedades del sistema. No proceden de una pareja observada ni estiman características de persona alguna. El intercepto resume entradas constantes omitidas y depende del centrado, de modo que identificarlo con un rasgo confundiría un parámetro de la ecuación con un constructo psicológico.

Interpretar causalmente las dependencias cruzadas exige más que ajustar una regresión temporal. Puede haber entradas comunes no medidas, errores correlacionados entre participantes o cambios de contexto ocurridos entre dos observaciones. En la simulación conocemos las ecuaciones que generan los datos. En un estudio real habría que justificar por qué un coeficiente representa respuesta al otro y descartar esas alternativas con argumentos de diseño.

La linealidad restringe también el alcance. El sistema admite estados de cualquier magnitud y supone efectos constantes. Puede aproximar una variación moderada alrededor del nivel habitual, aunque nada en su estructura representa límites conductuales, cambios de régimen o respuestas cualitativamente distintas ante situaciones extremas.

447.4. Persistencia y estabilidad de la interacción

Los autovalores de $M$ son 0,2 y 0,7. Como ambos tienen módulo menor que uno, la diferencia entre dos trayectorias sometidas a la misma entrada se reduce con el tiempo. La dependencia recíproca positiva prolonga algunas perturbaciones, aunque en este ejemplo no da lugar a una escalada ilimitada.

Si dos estados iniciales difieren en un vector $\mathbf d$, después de $n$ pasos su separación es $M^n\mathbf d$. Los autovectores indican qué combinaciones decaen a cada ritmo. El asociado a 0,7 es proporcional a $(1,1)^\top$, de modo que una perturbación que eleva por igual a ambos participantes pierde el 30 % de su magnitud en cada intervalo y tarda algo menos de dos intervalos en reducirse a la mitad. El asociado a 0,2 es proporcional a $(3,-2)^\top$; una perturbación en la que los participantes se desvían en sentidos opuestos, en esa proporción, pierde cuatro quintas partes de su magnitud por intervalo. El tiempo de retorno depende, entonces, de la combinación de estados que se perturbó y del criterio con que se defina haber recuperado el nivel habitual.

Una perturbación inicial de una unidad en el primer participante, sin cambios posteriores de contexto, deja tras tres intervalos diferencias de 0,142 y 0,134. La segunda puntuación se desplaza aunque no recibió el impulso, porque las ecuaciones transmiten parte del estado de cada participante al otro. Este resultado se deduce de la construcción del simulador y no descansa en ninguna correlación empírica.

Si el contexto sigue variando, las puntuaciones pueden fluctuar indefinidamente aunque el sistema sea estable. En sentido técnico, la estabilidad significa que las diferencias iniciales se disipan bajo condiciones comparables, y nada dice sobre una conducta constante en un entorno cambiante. Tampoco equivale a bienestar, puesto que un sistema estable puede regresar una y otra vez a un nivel de interacción que sus participantes viven como problemático.

447.5. Cambiar de contexto conservando los parámetros

Con una entrada contextual constante $\overline u$ y ruido de media cero, el estado medio de equilibrio satisface

La inversa reúne los efectos directos e indirectos del contexto. Una entrada modifica primero a cada participante según su sensibilidad y después circula por las dependencias del sistema. Leer la sensibilidad contextual únicamente en el vector $\mathbf c$ omitiría esa propagación.

Las medias difieren ampliamente entre ambos entornos aunque ningún parámetro de respuesta interpersonal haya cambiado. Si los datos de un periodo se recogieran solo en el primer entorno y los del siguiente solo en el segundo, el cambio de media podría atribuirse por error a una modificación personal persistente. Comparar las respuestas dentro de situaciones similares permitiría examinar esa interpretación.

El ejemplo no implica que toda variación contextual sea ajena a la persona. Quien elige conversaciones, horarios o interlocutores influye en la entrada que después recibe, y la situación presente puede ser consecuencia de decisiones anteriores. Para estudiar esa selección habría que añadir una ecuación que describiera cómo se llega a cada contexto.

Un cambio de entorno puede producir un beneficio estable mientras se mantenga, y el hecho de que dependa del contexto no lo vuelve ilusorio. La pregunta pertinente es qué condiciones sostienen ese cambio y qué ocurriría ante variaciones ordinarias de ellas.

447.6. Resolver la propagación de un cambio sostenido

El impulso de un solo intervalo puede compararse con una entrada mantenida. Supóngase que una condición añade una décima de unidad a la ecuación del primer participante en todos los intervalos y no altera directamente la del segundo. Se trata de una entrada hipotética, útil para examinar el modelo, que no tiene valor como recomendación sobre cómo modificar una relación.

El desplazamiento del equilibrio se obtiene multiplicando esa entrada por la misma inversa empleada antes. Para la matriz del ejemplo,

La primera puntuación se desplaza más que la entrada añadida, porque conserva parte de sus estados anteriores y recibe además la influencia de la segunda. Esta última cambia sin haber recibido la entrada de forma directa. La distinción entre efecto directo y efecto acumulado resulta decisiva para interpretar una intervención sostenida en un sistema con memoria.

En un modelo sin reciprocidad que conserve los mismos coeficientes propios, el cambio de equilibrio sería de una sexta parte de unidad (0,1/0,6) en el primer participante y nulo en el segundo. La diferencia entre ambas predicciones sugiere un contraste empírico: observar si una modificación localizada se transmite al otro participante, controlando las entradas comunes que podrían producir una transmisión aparente.

El contraste solo es válido si la operación conserva su significado. Cambiar el horario de una conversación afecta probablemente a ambos participantes, con lo que deja de ser una perturbación localizada. Una instrucción dirigida a uno puede llegar a conocimiento del otro, que reaccionaría directamente a ella. El diseño debe representar esas vías, porque ignorarlas cargaría toda la respuesta sobre el coeficiente cruzado.

La duración del seguimiento importa igualmente. Al iterar el sistema con la entrada sostenida desde el equilibrio previo, después de tres intervalos el primer participante ha recorrido cerca del 78 % de su desplazamiento final y el segundo apenas el 46 %. Tras diez intervalos, ambos superan el 95 %. Un seguimiento breve recoge solo una fracción del efecto acumulado, y compararla con la predicción de equilibrio produciría una discrepancia artificial. Lo que corresponde contrastar es la trayectoria completa hacia el nuevo nivel, junto con su incertidumbre.

447.7. Dependencias aparentes por resolución temporal

El significado de una relación temporal cambia con el intervalo de observación. En el sistema lineal, si se registra cada dos pasos, la transición entre estados observados queda gobernada por $M^2$. Aunque los parámetros originales describen respuestas de un intervalo, los nuevos coeficientes reúnen todos los caminos de dos intervalos. Para el ejemplo,

En el primer elemento diagonal, la persistencia propia aporta $0.4^2=0.16$ y la ruta que pasa por el segundo participante y regresa aporta $0.3\times0.2=0.06$. Un coeficiente diagonal estimado con datos espaciados mezcla, por lo tanto, autorregulación e influencia interpersonal. En este caso, algo más de la cuarta parte de su valor corresponde a una ruta de ida y vuelta que el muestreo no resuelve, y atribuirlo entero a una propiedad individual perdería una parte identificable del mecanismo sintético. En datos reales, separar esas rutas requiere una resolución temporal suficiente o restricciones adicionales que permitan estimarlas. El álgebra no recupera información temporal que nunca se observó.

Algo parecido ocurre con la entrada contextual. Entre dos mediciones espaciadas pueden presentarse varias entradas, cada una con distinto tiempo para propagarse. Representarlas mediante un único valor promedio puede ser una aproximación aceptable, pero cambia el significado del error residual. Un residuo grande podría reflejar acontecimientos omitidos dentro del intervalo, aun cuando las reglas de respuesta fuesen estables.

Kuiper y Ryan (2018) estudiaron esta dependencia en los modelos de panel con retardos cruzados. Mostraron que los coeficientes estimados en tiempo discreto son específicos del intervalo de observación y que estudios con intervalos distintos pueden llegar a conclusiones contradictorias sobre el signo o el predominio de los efectos cruzados. Su propuesta consiste en relacionar la matriz de transición de cada intervalo con una matriz de deriva en tiempo continuo, a través de la exponencial matricial, y comparar los estudios en esa escala, ajustando además las unidades de tiempo.

De ahí se desprende un criterio de diseño. La frecuencia de registro debe permitir distinguir el orden de los acontecimientos que interesan, y ninguna frecuencia es suficiente para todos los procesos. Lo que ocurre a lo largo de turnos conversacionales necesita otra resolución que una reorganización de relaciones a lo largo de meses. Antes de confrontar coeficientes de estudios distintos hay que revisar sus escalas temporales. Dos estimaciones diferentes pueden describir el mismo proceso observado a intervalos distintos, y coeficientes parecidos pueden corresponder a mecanismos diferentes cuando cambian las variables o las unidades de tiempo. La equivalencia se justifica con un modelo explícito de observación y transición; compartir una etiqueta estadística no basta para suponerla.

447.8. Correlación intensa sin respuesta recíproca

La covariación entre participantes no demuestra por sí sola una regulación interpersonal directa. Puede construirse un segundo sistema que suprima ambos coeficientes cruzados y conserve una entrada contextual compartida. Si esa entrada fluctúa lentamente, las dos puntuaciones se moverán juntas durante muchos intervalos.

En la simulación alternativa, el contexto sigue un proceso autorregresivo con coeficiente 0,8 y perturbaciones independientes. Cada participante conserva solo su propia persistencia, recibe la entrada común y presenta un ruido adicional. Ningún término permite que la puntuación de uno modifique la del otro.

Tras descartar un tramo inicial, la correlación entre ambas series es aproximadamente 0,971. Una asociación tan elevada aparece en un sistema sin acoplamiento recíproco. El ejemplo no establece que las correlaciones interpersonales reales sean espurias. Lo que muestra es que su magnitud no identifica el mecanismo que las generó.

Cabe objetar que una correlación simultánea es un indicador ingenuo y que una regresión con retardo, que controle la puntuación previa propia, debería bastar. La misma realización desmiente esa expectativa. Al regresar la puntuación del segundo participante sobre su valor previo y el valor previo del primero, el coeficiente cruzado estimado es 0,27. En la ecuación del primero, el coeficiente cruzado es −0,38 y el coeficiente propio supera la unidad. Ambos valores son artefactos. El estado previo de cada participante funciona como indicador indirecto del contexto compartido, que persiste y sigue actuando en el intervalo siguiente, y el signo del artefacto depende de cómo se reparte esa información entre los regresores. Cuando la entrada contextual se incluye en la regresión, los coeficientes cruzados caen a −0,007 y 0,027, y los propios vuelven a valores cercanos a 0,5 y 0,4.

Ese resultado favorable depende de que, en la simulación, el contexto se mide sin error y es la única entrada común. Una medida incompleta deja entradas comunes residuales que reproducen el artefacto a menor escala. Además, si el contexto es en parte consecuencia de la propia interacción, condicionar estadísticamente sobre él puede eliminar una porción del proceso que se quería estudiar. La decisión sobre qué ajustar requiere una hipótesis temporal explícita.

El contraste más informativo sería una observación o intervención que modificara la conducta de un participante sin alterar a la vez las entradas comunes, siempre que esa operación fuese interpretable y adecuada para las personas implicadas. Incluso entonces habría que considerar cómo percibe el otro el cambio y si aparecen vías adicionales de influencia.

447.9. Código de equilibrio, impulso y contexto compartido

import numpy as np

M = np.array([[0.4, 0.3], [0.2, 0.5]])
mu = np.array([0.1, -0.05])
c = np.array([0.5, 0.2])
eigenvalues = np.sort(np.linalg.eigvals(M))
assert np.allclose(eigenvalues, [0.2, 0.7])
for context in [-0.6, 0.6]:
    mean = np.linalg.solve(np.eye(2)-M, mu+c*context)
    assert np.allclose(mean, M@mean+mu+c*context)
    print('media', context, np.round(mean, 6))
impulse = np.linalg.matrix_power(M, 3)@np.array([1.0, 0.0])
assert np.allclose(impulse, [0.142, 0.134])
print('impulso tras tres pasos', impulse)

rng = np.random.default_rng(447)
T = 3000
u = np.zeros(T+1)
z = np.zeros((T+1, 2))
uncoupled = np.diag([0.4, 0.5])
for t in range(T):
    u[t+1] = 0.8*u[t]+rng.normal(0.0, 0.5)
    z[t+1] = uncoupled@z[t]+c*u[t]+rng.normal(0.0, 0.05, 2)
correlation = np.corrcoef(z[500:].T)[0, 1]
assert 0.96 < correlation < 0.99
print('correlacion sin acoplamiento', round(correlation, 6))

past, future, u_past = z[500:-1], z[501:], u[500:-1]
ones = np.ones(len(future))
for i, label in [(1, 'ecuacion del segundo'), (0, 'ecuacion del primero')]:
    X = np.column_stack([ones, past[:, i], past[:, 1-i]])
    b_without = np.linalg.lstsq(X, future[:, i], rcond=None)[0]
    X_context = np.column_stack([X, u_past])
    b_with = np.linalg.lstsq(X_context, future[:, i], rcond=None)[0]
    assert abs(b_without[2]) > 0.1 and abs(b_with[2]) < 0.05
    print(label, 'cruzado sin contexto', round(b_without[2], 4),
          'con contexto', round(b_with[2], 4))

La ejecución con Python 3.13 y NumPy 2.5 produce la salida siguiente:

media -0.6 [-0.629167 -0.591667]
media 0.6 [0.920833 0.508333]
impulso tras tres pasos [0.142 0.134]
correlacion sin acoplamiento 0.97086
ecuacion del segundo cruzado sin contexto 0.2688 con contexto -0.007
ecuacion del primero cruzado sin contexto -0.3813 con contexto 0.0272

El código usa una semilla fija para que la realización del contexto compartido sea reproducible. Los intervalos de las aserciones verifican esta ejecución y no constituyen un teorema sobre cualquier muestra. Con otras intensidades de ruido o sensibilidades contextuales, la asociación podría ser mucho menor: con la misma semilla, elevar la desviación típica del ruido individual de 0,05 a 0,5 reduce la correlación a cerca de 0,32.

Las medias del primer sistema se calculan de manera exacta mediante álgebra lineal, mientras que la correlación y los coeficientes de regresión del segundo se estiman sobre una realización finita. Ambos resultados son sintéticos, pero los primeros expresan una propiedad analítica del modelo y los segundos dependen además del muestreo aleatorio especificado.

447.10. Patrones condicionales y selección de situaciones

La teoría del sistema cognitivo-afectivo de la personalidad, propuesta por Mischel y Shoda (1995), buscó conciliar la invariancia de la personalidad con la variabilidad de la conducta entre situaciones. Para ello supuso que las personas difieren en la accesibilidad de unidades mediadoras, como codificaciones, expectativas, afectos y metas, y en la organización de las relaciones entre ellas y con los rasgos psicológicos de las situaciones. De esa organización resultarían patrones predecibles de variación del tipo «si ocurre A, la persona hace X; si ocurre B, hace Y», que los autores consideraron firmas conductuales del mismo sistema subyacente que produce el nivel medio. Su interés aquí es conceptual. Una pauta puede ser estable en la relación entre condiciones y conducta aunque la conducta agregada varíe, y la teoría no convierte cada secuencia observada en una estructura causal identificada.

Una regularidad condicional exige definir las situaciones con suficiente precisión. Agrupar todas las conversaciones en un solo contexto puede ocultar diferencias entre una petición de ayuda, un desacuerdo y la coordinación cotidiana. Multiplicar las categorías, en cambio, deja pocas observaciones en cada una y favorece interpretaciones ajustadas a episodios aislados.

La selección de situaciones añade otra capa. Si una persona evita los encuentros en que anticipa desacuerdo, su registro mostrará poca variabilidad en esas condiciones simplemente porque apenas las experimenta. La ausencia de respuestas intensas no revela cómo respondería en ellas. El conjunto de situaciones observadas forma parte de la información necesaria para interpretar una distribución de estados.

La selección también puede cambiar sin que cambie la respuesta condicional. Una reorganización del trabajo podría reducir los encuentros conflictivos y desplazar la media conductual, lo cual es compatible con parámetros personales constantes. Para diferenciar ese efecto de un aprendizaje interpersonal habría que comparar las respuestas en situaciones semejantes antes y después del cambio.

447.11. La misma persona con distintos interlocutores

Supóngase que una persona participa en dos relaciones y presenta mayor activación en una de ellas. Varias explicaciones son compatibles con esa observación. Los interlocutores pueden responder de manera distinta, las conversaciones pueden tratar asuntos diferentes, la historia compartida puede haber modificado las expectativas o el modo de registrar la conducta puede variar entre ambos contextos.

Para separar esas fuentes, un diseño puede observar a cada participante con más de un interlocutor y en situaciones comparables. Si cada persona aparece con una sola pareja, sus características quedan parcialmente confundidas con las de la relación, y ningún aumento del número de mediciones dentro de esa pareja elimina por sí solo esa confusión estructural. El modelo de relaciones sociales de Kenny y La Voie (1984) formalizó esta descomposición. Separa en las puntuaciones diádicas un efecto del actor, un efecto del compañero y un efecto propio de la relación, y para estimarlos requiere diseños en los que cada persona interactúe con varios compañeros, como los diseños de todos con todos.

En una extensión jerárquica del modelo dinámico, algunos parámetros podrían variar entre personas y otros entre relaciones. Se estimarían así regularidades compartidas sin imponer que todas las parejas respondan de la misma manera. Añadir niveles estadísticos, sin embargo, no crea la variación que el diseño no contiene. Para sostener comparaciones entre interlocutores, los datos tienen que incluir cambios de interlocutor.

Las relaciones tampoco son intercambiables por definición. Una interacción de apoyo, una evaluación laboral y una conversación doméstica imponen restricciones distintas, y tratar sus diferencias como simple ruido puede borrar justamente el mecanismo de interés. La comparación necesita especificar qué aspecto se pretende generalizar y qué condiciones se consideran parte constitutiva de cada relación.

447.12. Una formulación clínica hipotética

Considérese una viñeta sintética. Durante varias semanas, una persona relata que insiste repetidamente para obtener una respuesta, y su interlocutor informa que se retira cuando percibe presión. Un registro de episodios muestra alternancia entre insistencia y retirada. La secuencia recuerda el patrón de demanda y retirada descrito en la investigación sobre conflicto conyugal. Christensen y Heavey (1990), en un estudio con 31 matrimonios, encontraron que quién adoptaba cada posición dependía en parte de qué cambio se estaba discutiendo, ya que ambos cónyuges tendían a demandar cuando se trataba de un cambio que ellos deseaban y a retirarse cuando lo deseaba el otro. Ese resultado procede de una muestra específica, y la viñeta no hereda sus conclusiones. La secuencia observada sugiere una hipótesis recíproca, pero no establece qué inicia cada episodio ni qué significado tiene para cada participante.

La formulación puede partir de acontecimientos concretos: una petición, el tiempo hasta la respuesta, la interpretación de un silencio, una nueva petición y la interrupción de la conversación. Cada componente requiere una medida propia. La demora observable no equivale a una intención de rechazo, y la interpretación de rechazo tampoco es un error por el solo hecho de ser subjetiva.

Pueden plantearse hipótesis que predicen cosas distintas. Según una, la retirada aumenta la incertidumbre y favorece nuevas peticiones. Según otra, ambas conductas derivan de una restricción compartida, como la falta de tiempo en ciertos momentos del día. Cabe también que las peticiones aparezcan después de incumplimientos previos y cumplan una función diferente según la historia de cada episodio. El seguimiento puede recoger las condiciones que diferencian esas predicciones.

El modelo lineal presentado antes no contiene retirada, incertidumbre ni incumplimientos como variables separadas. Aplicarlo directamente a la viñeta exigiría redefinir sus estados y justificar sus signos. El ejemplo matemático enseña a analizar dependencia y contexto, y en ningún caso proporciona una explicación clínica ajustada de antemano a cualquier relación.

447.13. Desacuerdo entre fuentes de información

Los participantes pueden describir de forma distinta el mismo encuentro. Ese desacuerdo contiene información sobre sus posiciones, su acceso a los acontecimientos y sus criterios de interpretación. Tomar una fuente como verdadera y la otra como error no lo resuelve, aunque tampoco cabe suponer que todas las descripciones tengan igual precisión para cualquier pregunta.

Un observador puede registrar interrupciones y la duración de los turnos sin conocer el significado que una frase tiene en la historia de la pareja. Un participante conoce su experiencia, aunque quizá no recuerde con exactitud la secuencia temporal. Una medida fisiológica, si se incorpora, aporta una señal de otra clase que necesita su propia interpretación. Combinar estas fuentes exige especificar qué atributo pretende medir cada una.

Formalmente, puede distinguirse entre un proceso de interacción y un modelo de observación. Las puntuaciones registradas serían funciones de los estados, de las condiciones de registro y de errores. Si dos fuentes tienen sesgos estables diferentes, su desacuerdo puede persistir aunque describan cambios paralelos. Si el sesgo varía con la intensidad del conflicto, puede generar asociaciones temporales adicionales.

Una comprobación útil consiste en revisar episodios concretos y anclar las preguntas a acontecimientos identificables. Lo que se busca es mejorar la correspondencia temporal y conceptual entre fuentes, sin forzar acuerdo. Cuando la divergencia persiste, la formulación debe conservar esa incertidumbre y evitar que una medida agregada pase por descripción completa de la relación.

447.14. Cuándo un parámetro puede considerarse persistente

Llamar persistente a un parámetro requiere definir el periodo y las condiciones en que se mantiene. Un coeficiente estable durante varias semanas de conversaciones similares puede cambiar al modificarse las tareas o la relación. La estabilidad estimada es siempre relativa al conjunto de observaciones y a la precisión disponible.

Puede compararse un modelo con parámetros constantes con otro que admita cambios entre periodos. El segundo suele ajustar mejor los datos usados para estimarlo, porque dispone de mayor flexibilidad. Lo que importa es si mejora las predicciones posteriores o si explica un cambio definido de antemano. Elegir las divisiones temporales después de observar cada fluctuación favorece ajustes difíciles de reproducir.

Un cambio de parámetro puede representar aprendizaje, aunque también puede compensar una variable omitida. Si disminuye el efecto estimado de la respuesta del otro tras un cambio de horario, podría haberse modificado la interacción o podría haber desaparecido una fuente contextual no registrada. La interpretación necesita contrastes capaces de distinguir ambas posibilidades.

Hay límites, además, para separar interceptos y entradas medias. En la ecuación del capítulo, una entrada contextual constante no medida se suma al intercepto, y sin variación informativa del contexto ambos componentes pueden resultar indistinguibles. Atribuir el intercepto a la personalidad sería especialmente débil en ese caso, porque una parte de él podría corresponder a una condición sostenida del entorno.

447.15. Variabilidad, deterioro y diagnóstico

Una distribución amplia de estados no constituye por sí sola un trastorno. Puede reflejar adaptación a situaciones diversas, diferencias de oportunidad o error de medida. Una distribución estrecha tampoco garantiza un funcionamiento satisfactorio, porque una pauta rígida puede mantenerse en circunstancias donde convendría variar. La interpretación clínica requiere conocer consecuencias y contexto, además de la dispersión estadística.

Del mismo modo, un coeficiente autorregresivo elevado describe persistencia en una variable y una escala temporal determinadas, y eso no lo convierte en medida de rigidez psicológica. Puede aumentar por agregación, por tendencias no retiradas o por entradas persistentes, como mostró la regresión sin contexto del apartado 447.8, cuyo coeficiente propio superó la unidad en un sistema que no tenía esa persistencia. Relacionarlo con un constructo clínico exige evidencia sobre qué proceso mide y cómo se vincula con dificultades relevantes.

Los términos diagnósticos no deben usarse como nombres alternativos de parámetros. La clasificación clínica integra la historia, la extensión de las dificultades y fuentes de información que un pequeño sistema dinámico no contiene. Inferir un diagnóstico desde una oscilación o desde un episodio interpersonal aislado excedería lo que los datos permiten.

La formulación dinámica aporta algo más delimitado. Puede describir en qué condiciones aparece una pauta, qué consecuencias la siguen y qué predicciones diferencian mecanismos rivales, y esa descripción conserva su utilidad aunque la clasificación diagnóstica siga abierta. Su valor depende de que corresponda a acontecimientos observados y de que se revise cuando aparecen datos incompatibles.

447.16. Cambios que afectan a ambos participantes

Una modificación en la conducta de una persona puede alterar las oportunidades de respuesta de la otra, de modo que evaluar un cambio solo por el promedio del primer participante puede omitir consecuencias relevantes. En el sistema sintético, un impulso se transmite a ambos estados. En una relación real, la transmisión puede incluir interpretaciones y ajustes de carácter no lineal.

Supóngase que disminuye la intensidad de una petición. La respuesta posterior podría mejorar, porque baja la presión percibida; podría mantenerse igual, si depende de otra condición; o podría empeorar, si la petición se vuelve menos comprensible. Son hipótesis diferentes que requieren observar el contenido de la petición, su recepción y sus consecuencias. El signo de una correlación previa no decide cuál de ellas se cumplirá.

La evaluación debería considerar el objetivo de cada participante. Una reducción de la confrontación puede coexistir con una mayor evitación de asuntos necesarios, y un aumento transitorio de conversaciones difíciles puede acompañar una coordinación más eficaz. Definir el éxito únicamente como menor activación llevaría a una conclusión que la variable no está preparada para sostener.

Las condiciones de poder y de seguridad delimitan también el modelo recíproco. Que las dos ecuaciones sean formalmente simétricas no implica que ambos participantes tengan la misma capacidad de decisión ni la misma responsabilidad. Cuando existe coerción o restricción unilateral, atribuir el problema a una retroalimentación compartida puede ocultar esa asimetría. La formulación debe describir las posibilidades reales de acción de cada uno antes de interpretar ajustes mutuos.

447.17. Muestreo de encuentros y episodios ausentes

El registro de interacciones depende de cuándo se pregunta y de qué encuentros llegan a registrarse. Si los cuestionarios se completan solo después de conversaciones prolongadas, faltan los contactos breves y los encuentros evitados. La distribución observada describe entonces una selección de episodios y deja fuera buena parte de la vida interpersonal de la persona.

La ausencia de interacción puede ser, en sí misma, un resultado relevante. Un día sin discusión podría indicar coordinación satisfactoria, falta de contacto o evitación, y asignarle una puntuación de conflicto igual a cero sin distinguir esas posibilidades mezcla estados distintos. Por eso las oportunidades de encuentro y la duración del contacto deben registrarse junto con las características de cada interacción.

El muestreo basado en acontecimientos capta secuencias significativas, aunque puede sobrerrepresentar los episodios llamativos. El muestreo a intervalos regulares incluye momentos ordinarios y puede perder procesos rápidos. Una combinación razonada de ambos permite contrastar las dos escalas, siempre que sus puntuaciones no se traten como intercambiables sin haberlo comprobado.

La carga de registro también puede modificar la participación. Si los encuentros más difíciles generan menos respuestas, las series disponibles mostrarán una estabilidad engañosa. Analizar los patrones de ausencia y conservar la información disponible sobre sus motivos ayuda a precisar el alcance de las estimaciones. Rellenar los huecos con un algoritmo de imputación no reemplaza la comprensión de por qué faltan.

447.18. Una predicción interpersonal que pueda fallar

Una hipótesis de regulación recíproca debe anticipar algo más específico que la existencia de una asociación. Puede predecir, por ejemplo, que bajo condiciones contextuales comparables una modificación definida de la conducta del primer participante precederá a un cambio de magnitud y dirección determinadas en el segundo. El intervalo en que debería aparecer esa respuesta tiene que fijarse antes de revisar los resultados.

El modelo también debe indicar qué observación lo debilitaría. Si la covariación desaparece al registrar una entrada común y no queda una respuesta temporal reproducible, la interpretación de acoplamiento pierde apoyo, como ocurrió con la simulación del apartado 447.8. Si el efecto cambia de signo entre contextos, un coeficiente constante puede resultar inadecuado. En ambos casos la formulación puede revisarse de manera concreta.

El seguimiento puede reservar algunas situaciones para evaluar la generalización. Un patrón estimado en conversaciones de coordinación no tiene por qué predecir los encuentros de apoyo, y esa discrepancia puede revelar especificidad contextual en vez de justificar una etiqueta de inconsistencia personal. La pregunta empírica se refiere a las condiciones que sostienen la regularidad.

Una descripción útil conserva la escala temporal, las situaciones observadas y las variables que efectivamente se midieron. Con esas precauciones, la personalidad puede estudiarse como un conjunto de regularidades de estados y respuestas, y la regulación interpersonal como un proceso compartido sometido a condiciones concretas. Los modelos ayudan a separar ambas preguntas mientras sus parámetros permanezcan ligados a operaciones observables.

Referencias

Christensen, A., y Heavey, C. L. (1990). Gender and social structure in the demand/withdraw pattern of marital conflict. Journal of Personality and Social Psychology, 59(1), 73–81. DOI.

Fleeson, W. (2001). Toward a structure- and process-integrated view of personality: Traits as density distributions of states. Journal of Personality and Social Psychology, 80(6), 1011–1027. DOI.

Kenny, D. A., y La Voie, L. (1984). The social relations model. Advances in Experimental Social Psychology, 18, 141–182. DOI.

Kuiper, R. M., y Ryan, O. (2018). Drawing conclusions from cross-lagged relationships: Re-considering the role of the time-interval. Structural Equation Modeling: A Multidisciplinary Journal, 25(5), 809–823. DOI.

Mischel, W., y Shoda, Y. (1995). A cognitive-affective system theory of personality: Reconceptualizing situations, dispositions, dynamics, and invariance in personality structure. Psychological Review, 102(2), 246–268. DOI.