Método

Diseño

Se realizó un estudio de corte transversal, descriptivo-correlacional, encuadrado en la categoría de estudios instrumentales (^{Ato, López & Benavente, 2013}).

Participantes

Se integró una muestra no probabilística (por disponibilidad) de 556 participantes. Treinta y dos casos fueron descartados por presentar protocolos incompletos. La muestra defi nitiva quedó, entonces, conformada por 524 trabajadores (53 por ciento varones) 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 34 años (DT = 12.74). La antigüedad laboral media fue 6 años (DT = 9.21). El 74.5 por ciento de la muestra tenía estudios superiores terciarios y/ o universitarios. El 56 por ciento trabajaba en el sector privado. La distribución por rubros de actividad fue la siguiente: 34.2 por ciento comercio; 28.5 por ciento industria; 22.6 por ciento salud y 14.7 por ciento educación.

Procedimiento

La recolección de los datos se llevó a cabo en el seno de las organizaciones que aceptaron participar de 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 conteniendo 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.

La ejecución del estudio se desarrolló en un todo de acuerdo con los principios éticos establecidos por el Código de Conducta de la Asociación Americana de Psicología (2017) y con las recomendaciones del Consejo Nacional de Investigaciones Científicas y Técnicas para las investigaciones en las ciencias sociales y humanas (^{CONICET, 2006}, Resolución N.° 2857).

Instrumentos

Adaptación argentina de la Escala de Comportamientos Laborales Proactivos (^{Salessi & Omar, 2018a}) de ^{Belschak y Den Hartog (2010}). El instrumento evalúa los comportamientos proactivos, que se entienden como conductas automotivadas orientadas al cambio constructivo, que pretenden influir sobre la organización, los demás o uno mismo. La escala está integrada por 10 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 subescalas denominadas: comportamientos proactivos proorganizacionales (3 ítems; ej.: “sugiero ideas frente a los problemas que afronta mi organización”; α = .80); comportamientos proactivos prosociales (4 ítems; ej.: “ayudo a mis compañeros para que desarrollen e implementen nuevas ideas”; α = .82) y comportamientos proactivos proindividuales (3 ítems; ej.: “encuentro nuevas maneras de realizar mis tareas y ser más efectivo” α = .81).

Adaptación argentina de la Escala de Personalidad Proactiva (Salessi & Omar, en prensa) de ^{Bateman y Crant (1993}). El instrumento evalúa la personalidad proactiva, defi nida como una tendencia estable a generar cambios en el ambiente. La versión adaptada está integrada por 6 ítems (ej.: “siempre estoy buscando formas de hacer mejor las cosas”; = α = .82) valorados sobre una escala tipo Likert de 5 puntos (1 = totalmente en desacuerdo; 5 = totalmente de acuerdo).

Adaptación argentina de la Escala de Satisfacción Laboral Genérica (^{Salessi & Omar, 2016}) de ^{Mac Donald y Mac Intyre (1997}). El instrumento evalúa la satisfacción laboral entendida como una actitud general; vale decir, un conjunto de respuestas cognitivas y afectivas frente la situación laboral. La escala está integrada por 7 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).

Adaptación argentina del Cuestionario de Implicación en el Trabajo (^{Salessi & Omar, 2018b}) de Kanungo (1992). El instrumento evalúa la implicación laboral defi nida como el grado en que una persona está cognitiva y emocionalmente comprometida e involucrada con su trabajo actual. La escala está integrada por 9 ítems (ej.: “mi trabajo ocupa un lugar irremplazable en mi vida”; α = .82) valorados sobre una escala tipo Likert de 5 puntos (1 = totalmente en desacuerdo; 5 = totalmente de acuerdo).

Estrategia de análisis de datos

Para el procesamiento de los datos se utilizaron los programas SPSS (versión 23.0), Mplus (versión 7.3) y G*Power. La estrategia implementada para el análisis se desarrolla a continuación.

Análisis preliminares

Se examinó la matriz de datos con miras a detectar valores perdidos y/o extremos. Se identifi caron los casos atípicos mediante el cálculo de puntuaciones Z y las distancias de Mahalanobis al cuadrado (D2) para cada variable. Se consideraron atípicas univariadas aquellas observaciones alejadas más de 3.5 DT de la media y atípicas multivariadas a aquellas que presentasen D2 con probabilidad igual o inferior a .001 (^{Hair, Black, Babin, Anderson, & Tatham, 2010}; ^{Tabachnick & Fidell, 2013}). Se realizó un análisis de los ítems mediante el cálculo de estadísticos descriptivos (medias y desviaciones típicas), coeficientes de asimetría y curtosis e índices de discriminación (a partir del cómputo de las correlaciones ítem-total corregidas). Valores de asimetría y curtosis inferiores a ±2.00 y correlaciones positivas superiores a .30 se consideraron adecuadas (^{Tabachnick & Fidell, 2013}). Por último, se examinó el cumplimiento del supuesto de independencia entre los residuos (mediante el estadístico d de Durbin-Watson); de los supuestos de homocedasticidad, linealidad, normalidad (a través de la inspección de los diagramas de dispersión de los pronósticos tipificados, de los residuos tipifi cados, del histograma de los residuos tipifi cados, del gráfico de probabilidad normal y del diagrama de regresión parcial) y del supuesto de libre colinealidad (mediante el índice de tolerancia y su inverso FIV). Se consideraron óptimos valores del estadístico d comprendidos entre 1.5 y 2.5; valores superiores a .10 en el índice de tolerancia y valores inferiores a 3 en su inverso FIV (^{Tabachnick & Fidell, 2013; Hair, Black, Babin, Anderson, & Tatham, 2010}).

Análisis de ecuaciones estructurales exploratorio

Con miras a determinar si los ítems son indicadores operacionales adecuados de los constructos que pretenden medir, se realizó un análisis de ecuaciones estructurales exploratorio (ESEM, del inglés Exploratory Structural Equation Modelling). Este método genera estimaciones más precisas de las cargas factoriales y las correlaciones entre factores al permitir la estimación libre de las cargas cruzadas. Por tanto, es menos restrictivo que el análisis factorial confi rmatorio tradicional y se ajusta más a la realidad de las medidas psicológicas, donde habitualmente los ítems no constituyen indicadores “perfectos” del constructo y presentan saturaciones menores (aunque no nulas) en los otros factores (^{Marsh, Morin, Parker, & Kaur, 2014}).

Para la estimación del modelo se empleó el método de Mínimos Cuadrados no Ponderados con Ajuste en Medias y Varianzas (WLSMV, del inglés Weighted Least Squares Means and Variance Adjusted).

Asimismo, se utilizó rotación oblicua Target, porque proporciona la solución rotada más próxima a una confi guración preespecificada de cargas. Así, permite utilizar el ESEM en un modo confi rmatorio. Para evaluar la bondad de ajuste, se analizó que: (a) el Índice de Bondad de Ajuste (GFI, Goodness of Fit Índex), el Índice de Ajuste Comparativo (CFI, Comparative Fit Índex) y el Índice de Tucker-Lewis (TLI, Tucker-Lewis Índex) alcanzaran valores iguales o superiores a .90 y (b) que el Error Cuadrático Medio de Aproximación (RMSEA, Root Mean Square Error of Approximation) fuera inferior a .08 (^{Hair et al., 2010}; ^{Marsch et al., 2014}).

Validez discriminante

Se obtuvo evidencia de validez discriminante mediante tres procedimientos: (a) el cálculo de la Varianza Media Extraída (AVE, del inglés Average Variance Extracted) y de su raíz cuadrada, respectivamente; (b) el cómputo de la Proporción Heterorasgo-Monorasgo (HTMT, del inglés Heterotrait- Monotrait Ratio) y (c) el cálculo de las correlaciones entre los constructos estudiados. El AVE posibilita estimar la varianza común entre los indicadores y su factor latente. Se consideran apropiados valores iguales o superiores a .50. Asimismo, valores de su raíz cuadrada superiores a la correlación entre los factores latentes, se asumen como evidencia de que cada constructo comparte más varianza con sus indicadores que con los demás (^{Cheung & Chang, 2017}; ^{Henseler et al., 2015}; ^{Martínez-García & Martínez- Caro, 2009}). La proporción HTMT, en tanto, es la media de las correlaciones entre los indicadores que miden diferentes constructos (correlación HT, del inglés Heterotrait-Heteromethod), en relación con el promedio de las correlaciones de indicadores dentro del mismo constructo (correlaciones MT, del inglés Monotrait-Heteromethod). Los valores inferiores a .90 demuestran una adecuada validez discriminante (^{Henseler et al., 2015}).

Validez predictiva e incremental

Para analizar la contribución predictiva e incremental de los comportamientos proactivos en la explicación de la satisfacción laboral y de la implicación en el trabajo, se estimó el ajuste de dos modelos mediante análisis de ecuaciones estructurales. El primer modelo incluyó como variable exógena a la personalidad proactiva. En el segundo modelo se añadieron, además, los comportamientos proactivos proindividuales, prosociales y pro organizacionales, respectivamente. Asimismo, con el fin de analizar si la personalidad proactiva explica una porción significativa de la varianza de los comportamientos proactivos, se estimó un tercer modelo. En esta oportunidad, los tres tipos de comportamientos proactivos se modelaron como variables endógenas. En todos los casos, las características sociodemográficas (edad, antigüedad laboral, sexo, nivel académico, ramo de actividad y sector organizacional) fueron consideradas variables control. Todas las variables nominales fueron recategorizadas como variables dummy (sexo: 1= varón, 2 = mujer; nivel académico; 1 = sin estudios superiores, 2 = con estudios superiores; ramo de actividad: 1 = comercio/servicios, 2 = industria y sector organizacional: 1 = público, 2

= privado). Los tres modelos fueron estimados mediante el método WLSMV. La bondad de ajuste se evaluó mediante los índices CFI, TLI y RMSEA. Paralelamente, se analizaron el R2 y el tamaño del efecto; este último computa el coeficiente f 2 de Cohen. La magnitud del efecto se determinó al interpretar que valores de 02, .15 y .35 se consideran pequeños, medianos y grandes, respectivamente (^{Cohen, 1992}).

Resultados

Análisis exploratorios

El porcentaje de datos perdidos en cada ítem no superó el 5 por ciento. Los valores faltantes fueron tratados mediante el método de Estimación-Maximización (^{Tabachnick & Fidell, 2013}). Se detectaron 14 casos atípicos, 9 de los cuales satisfacían la condición para considerarse atípicos multivariados (^{Hair et al., 2010}; ^{Tabachnick & Fidell, 2013}). Por lo tanto, fueron eliminados y quedó la muestra final constituida por 510 participantes, que se trata de un tamaño adecuado para la ejecución de los análisis previstos. Los gráficos indicaron el cumplimiento de los supuestos de homocedasticidad, linealidad y normalidad. Se obtuvieron valores de tolerancia entre .32 y .64, y entre 1.20 y 1.65 en su inverso FIV. El estadístico d fue de 1.24. Tales resultados mostraron un adecuado cumplimiento de los supuestos multivariados (^{Hair et al., 2010}; ^{Tabachnick & Fidell, 2013}). No se registraron problemas de asimetría y curtosis. Además, las correlaciones ítem-total fueron todas positivas. Los valores correspondientes se informan en la Tabla 1.

Análisis de ecuaciones estructurales exploratorio

Los índices obtenidos (GFI= .90, CFI= .91, TLI= .91, RMSEA=.04, IC 95 por ciento [.03, .05]) para el modelo de medida hexa-factorial (seis factores correlacionados: personalidad proactiva, comportamientos proactivos proindividuales, comportamientos proactivos prosociales, comportamientos proactivos proorganizacionales, implicación en el trabajo y satisfacción laboral) indicaron un adecuado ajuste (^{Marsch et al., 2014}; ^{Hair et al., 2010}). Las saturaciones de los ítems en cada factor se presentan en la tabla 1.

Tabla 1: Saturaciones cruzadas, estadísticos descriptivos, coeficientes de asimetría y curtosis e índices de discriminación correspondientes a los ítems de las variables bajo estudio 

Nota. Factor I (personalidad proactiva); Factor II (comportamientos proactivos orientados a la organización); Factor III (comportamientos proactivos orientados a los demás); Factor IV (comportamientos proactivos orientados a uno mismo); Factor V (implicación en el trabajo); Factor VI (satisfacción Laboral). As= Coeficiente de Asimetría; Cs= Coeficiente de Curtosis. ri-total= Correlación ítem total corregida

Como puede observarse, en todos los casos, los ítems pesaron más en el factor latente que corresponde. Un análisis más pormenorizado muestra que el ítem 5 (“siempre estoy buscando formas de hacer mejor las cosas”) perteneciente al factor personalidad proactiva presentó las saturaciones cruzadas más elevadas en el factor 4 (comportamientos proactivos proindividuales). Del mismo modo, el ítem 14 (“busco nuevos modos de realizar mi trabajo para ser más efi ciente”), que compete al factor comportamientos proactivos proindividuales, mostró saturaciones cruzadas más altas en el factor personalidad proactiva.

Sin embargo, en ninguno de los dos casos las cargas fueron superiores a .30 (^{Marsch et al., 2014}). Ello proporciona evidencia preliminar favorable a la validez discriminante entre las escalas analizadas.

Análisis de validez discriminante

La tabla 2 muestra los coeficientes de correlación, los valores correspondientes al índice AVE, a su raíz cuadrada y a la proporción HTMT. De los resultados se desprende que las puntuaciones en la escala de comportamientos proactivos mostraron relaciones positivas con las puntuaciones en las escalas de personalidad proactiva, implicación en el trabajo y satisfacción laboral. No obstante, para los comportamientos proindividuales, las correlaciones fueron ligeramente superiores. Las raíces cuadradas del AVE correspondientes a cada variable latente de comportamiento proactivo fueron mayores a la correlación entre estos y los restantes

constructos estudiados. Del mismo modo, el valor del AVE se ubicó por encima del mínimo recomendado y en todos los casos la proporción HTMT fue inferior a .90 (^{Cheung & Chang, 2017}; ^{Henseler et al., 2015}; ^{Martínez-García & Martínez-Caro, 2009}). En conjunto, estos resultados proporcionan apoyo empírico a la hipótesis 1, que adelantó que los comportamientos proactivos (proindividuales, prosociales y proorganizacionales), tal como son operacionalizados en la escala homónima de Belschak y Den Hartog (^{Salessi & Omar, 2018a}) serían un constructo empíricamente distinguible de la personalidad proactiva. En ese sentido, apoyan la validez discriminante del instrumento.

Análisis de validez predictiva e incremental

Los índices de ajuste calculados para el primer modelo fueron satisfactorios (CFI = .86, TLI = .89, RMSEA =.04, IC 95 por ciento [.03, .05]). La personalidad proactiva realizó una contribución significativa explicando el 39 por ciento (R2 = .39, f2 = .28; β = .58, p < .001) de la varianza de la satisfacción y el 20 por ciento (R2 = .20, f2 = .16; β = .48, p < .001) de la varianza de la implicación en el trabajo. El segundo modelo también mostró un ajuste adecuado (CFI = .93, TLI = .92, RMSEA =.04, IC 95 por ciento [.03, .05]). Los coefi cientes de regresión estandarizados fueron significativos para los tres comportamientos proactivos, tanto en la explicación de la satisfacción laboral (comportamientos proindividuales: β = .30, p < .001; comportamientos prosociales: β = .19, p < .001; comportamientos proorganizacionales: β = .12, p = .001), como de la implicación en el trabajo (comportamientos proindividuales: β = .36, p < .001; comportamientos prosociales: β = .18, p < .001; comportamientos proorganizacionales: β = .15, p < .001). El porcentaje de varianza explicada se elevó un 14 por ciento para la satisfacción (R2 = .53, f2 = .35) y un 13 por ciento para la implicación en el trabajo (R2 = .33, f2 = .25). En lo que respecta a la validez incremental, los valores de R2 y del f2 sugieren que el modelo que incluyó a los comportamientos proactivos alcanzó un tamaño de efecto superior.

De forma paralela, el tercer modelo estimado mostró un ajuste apropiado (CFI = .87, TLI = .88, RMSEA =.03, IC 95 por ciento [.02, .04]). Concretamente, la personalidad proactiva explicó el 37 por ciento (R2= .37, f2= .27, β = .61, p < .001) de los comportamientos orientados al individuo; el 25 por ciento de los comportamientos orientados a la organización (R2 = .25, f2 = .20, β = .50, p < .001) y el 20 por ciento de los comportamientos orientados a los demás (R2 = .20, f2 = .16, β = .45, p < .001).

En conjunto, los resultados proporcionan apoyo empírico a la hipótesis 2, la cual anticipó que la personalidad proactiva explicaría una porción significativa de la varianza de la satisfacción laboral, de la implicación en el trabajo y de los comportamientos proactivos. Asimismo, los hallazgos también confirman la hipótesis 3, desde el momento que los comportamientos proactivos realizaron un aporte significativo incremental más allá de la personalidad a la explicación de la satisfacción y de la implicación de los trabajadores.

Discusión

En los últimos años, diversos especialistas (^{Le et al., 2010}; ^{Morrow, 1983}; ^{Rousseau, 2007};^{Schwab, 1980}) advierten sobre la proliferación indiscriminada de conceptos en la investigación organizacional. Del mismo modo, evidencias preliminares (^{Torneau & Frese, 2013}; ^{Thomas et al., 2010}) muestran que algunos de los constructos que conforman la red nomológica de la proactividad presentan cierta redundancia. Frente a este panorama, el presente estudio se propuso contribuir a la literatura. Se analiza la validez discriminante, predictiva e incremental de los comportamientos proactivos, tal como son los operacionalizados por la escala homónima desarrollada por ^{Belschak y Den Hartog (2010}) y adaptada para el contexto argentino por ^{Salessi y Omar (2018a).}

En lo que hace a la validez discriminante, la exploración preliminar mediante el análisis ESEM indicó que un modelo de medida integrado por seis factores latentes correlacionados, con sus respectivos ítems como variables observables y los correspondientes errores de medición, no difiere significativamente de la matriz de covarianza de los datos. Todos los ítems pesaron notablemente más en los factores latentes esperados. Aun cuando las saturaciones cruzadas no fueron nulas, en ningún caso superaron el límite establecido (^{Marsch et al., 2014}). Sumado a esto, los valores obtenidos en los índices AVE, en sus respectivas raíces cuadradas y en las proporciones HTMT mostraron que más del 50 por ciento de sus varianzas son atribuibles a los indicadores concernientes y que, a su vez, cada constructo latente comparte más varianza con sus propios indicadores que con los demás (^{Cheung & Chang, 2017}; ^{Henseler et al., 2015}; ^{Martínez-García & Martínez-Caro, 2009}). Paralelamente, el análisis de correlaciones efectuado mostró vinculaciones signifi cativas entre todas las variables estudiadas; en ningún caso fueron próximas a 1.

Asimismo, el análisis de ecuaciones estructurales confi rmó la validez predictiva e incremental de la Escala de Comportamientos Laborales Proactivos (^{Belschak & Den Hartog, 2010}; ^{Salessi & Omar, 2018a}) por sobre la Escala de Personalidad Proactiva (^{Bateman & Crant, 1993}; Salessi & Omar, en prensa). En este sentido, se observó que las puntuaciones en la escala de comportamientos proactivos realizan un incremento signifi cativo a la varianza explicada, tanto de la satisfacción como de la implicación en el trabajo. En ambos casos, dicha contribución fue ligeramente superior para los comportamientos proindividuales. Tales resultados se encuentran en sintonía con hallazgos previos (^{Belschak & Den Hartog, 2010}; ^{Torneau & Frese, 2013}), que ya habían iluminado su capacidad explicativa más allá de la personalidad proactiva. Asimismo, coinciden con la literatura publicada (^{Cangiano & Parker, 2016}; ^{Ismaeli, et al., 2016}; ^{Mallin et al., 2014}; Salessi & Omar, 2018a; ^{Thomas et al., 2010}; ^{Tornau & Frese, 2013}), de la cual se desprende el efecto positivo que los comportamientos proactivos ejercen sobre las actitudes laborales.

En el presente estudio, las puntuaciones en la escala de personalidad proactiva también contribuyeron en la explicación de los comportamientos proactivos, aunque tal contribución fue levemente superior para los comportamientos individuales. Estos hallazgos avalan las conclusiones de comunicaciones previas (^{Bergeron et al., 2013}; ^{Crant et al., 2017}; ^{Tornau & Frese, 2013}; ^{Parker & Collins, 2010}; ^{Spitzmuller et al., 2015}), que han informado que la predisposición a controlar el ambiente infl uye directamente en la manifestación de acciones orientadas al cambio.

En conjunto, los resultados proporcionan apoyo empírico a la hipótesis 1 (que postulaba la validez discriminante de la escala de comportamientos proactivos); a la hipótesis 2 (que adelantaba el rol explicativo de la personalidad proactiva sobre la satisfacción laboral, la implicación en el trabajo y los comportamientos proactivos) y a la hipótesis 3 (que anticipaba la validez predictiva-incremental de los comportamientos proindividuales, prosociales y proorganizacionales en la explicación de las variables criterio). Si bien tales resultados se erigen como evidencias favorables a la validez del instrumento aquí analizado cabe destacar que, en línea con el debate contemporáneo, la validez es una cuestión de grado (^{Montero-Rojas, 2013}). De acuerdo con ^{Messick (1989}) la validez no es una propiedad intrínseca de los instrumentos. Se define según el propósito de la medición, la población a la que se dirige y el contexto específico de aplicación. Así, un instrumento puede exhibir un grado aceptable de validez para un propósito específi co y una población particular, pero no para otros. En otras palabras, la validez no es una cuestión de “todo o nada”. No se puede decir de manera contundente que una prueba es válida, más bien exhibe un grado aceptable de validez para ciertos usos específicos y con ciertas poblaciones. Por ende, es preciso concluir que los hallazgos del presente estudio deben ser interpretados con cautela y dentro de los límites de la investigación ejecutada.

Limitaciones, fortalezas e implicancias prácticas del estudio

Entre las principales limitaciones de la investigación realizada se cita la representatividad de la muestra, puesto que, al haber sido seleccionada en forma no probabilística, impide generalizar los resultados al conjunto de la población. Sin embargo, se destaca que con el propósito de minimizar este inconveniente se procuró que la muestra en estudio incluyera empresas e instituciones de los más diferentes rubros y niveles de complejidad organizacional. Del mismo modo, el diseño transversal utilizado impide cualquier inferencia de causalidad estricta entre las variables estudiadas. Por lo tanto, sería valioso que futuras investigaciones emplearan diseños longitudinales con miras a establecer el orden causal de las relaciones aquí encontradas. Por último, dado que en el presente estudio se han utilizado instrumentos de autoinforme para evaluar las variables bajo análisis, las respuestas podrían encontrarse contaminadas tanto por la tendencia a aparecer mejor como por otros componentes subjetivos. Para superar esta limitación sería recomendable que futuros estudios incluyeran una medida de deseabilidad social como recurso de validez interna, así como información provista por otros métodos y/o informantes.

Más allá de estas limitaciones, el trabajo realizado representa una contribución genuina a la literatura organizacional. Esta investigación constituye la primera tentativa de analizar la validez discriminante, predictiva e incremental de la Escala de Comportamientos Laborales Proactivos (^{Belschak & Den Hartog, 2010}; ^{Salessi & Omar, 2018a}) en relación con otras escalas de personalidad proactiva, satisfacción e implicación en el trabajo.

De los hallazgos del presente estudio, también derivan implicancias, tanto para los estudiosos del comportamiento organizacional como para gerentes y profesionales de recursos humanos. Para los primeros, establecer la validez de un instrumento conlleva una serie de beneficios prácticos. En este sentido, disponer de evidencias de validez convergente-discriminante permite suponer que la varianza de los constructos latentes medidos por un instrumento es atribuible a sus indicadores observables y que el constructo es empíricamente distinto de otros (^{Cheung & Chang, 2017}; ^{Henseler et al., 2015}).

En una palabra, el instrumento mide lo que pretende medir (^{Martinez-García & Martínez-Caro, 2009}). Del mismo modo, establecer la validez predictiva e incremental posibilita estimar cuantitativamente el grado en que un constructo incrementa la capacidad explicativa y determinar si esta varianza única es significativa. En última instancia, permite verificar el grado en el que la inclusión de diversas medidas en el proceso de evaluación mejora consistentemente el poder predictivo y, en consecuencia, la toma de decisiones (^{Sackett et al., 2017}).

Para los gerentes y los responsables de recursos humanos, los resultados iluminan la relevancia de las conductas proactivas para la satisfacción y la implicación de los trabajadores. Frente a tales evidencias, las organizaciones preocupadas por incrementar su productividad y contribuir al bienestar de sus miembros deberían concentrarse en la creación de un entorno generador de proactividad. Al respecto, la literatura científica (^{Belschak & Den Hartog, 2017}; ^{Crant et al., 2017}; ^{Parker & Bindl, 2017}; ^{Parker & Wang, 2015}) destaca el impacto de las variables ligadas a la cultura organizacional y al diseño del trabajo. En este sentido, las organizaciones, que promueven el empoderamiento, la participación de los empleados y el desarrollo de competencias, favorecen la ejecución de comportamientos proactivos en sus miembros. Del mismo modo, procesos de trabajos flexibles y puestos enriquecidos por la autonomía y la diversidad de tareas predisponen favorablemente a la proactividad; posiblemente, dada la mayor responsabilidad y el reto que tales puestos suponen. Finalmente, aquellos trabajadores que perciben que sus contribuciones son valoradas y estimuladas se muestran proclives a involucrase en acciones proactivas; principalmente, en aquellas orientadas a beneficiar a la organización.

Para concluir, se señala que la investigación contemporánea (^{Belschak & Den Hartog, 2017}; ^{Grant & Ashford, 2008}; ^{Parker & Wang, 2015}) sostiene que la variabilidad interindividual de la proactividad no se debe tanto a las diferencias en rasgos fijos y estables, sino a características maleables y abiertas al cambio. De aquí que sea lícito sostener que, en mayor o menor medida, todas las personas pueden ser proactivas en diversas circunstancias y, paralelamente, que la proactividad pueda ser desarrollada con intervenciones específicas