Métricas de Li y Henry

Actualizado el 15 de noviembre de 2026

En 1993, Wei Li y Sallie Henry tomaron las métricas de clase recién propuestas por «Chidamber y Kemerer», añadieron cinco propias y comprobaron con datos reales si servían para algo concreto: predecir cuánto habría que cambiar una clase durante su mantenimiento. Es uno de los primeros estudios empíricos sobre métricas orientadas a objetos, y de él salen dos medidas de acoplamiento que siguen en uso: el «acoplamiento por paso de mensajes» (MPC) y el «acoplamiento por abstracción de datos» (DAC).

Para quien empieza. La idea de fondo es sencilla: una clase puede depender de otra de varias maneras. Puede heredar de ella, puede llamar a sus métodos o puede guardar objetos suyos en sus campos. Li y Henry dieron una medida a cada una de esas vías, en lugar de juntarlas todas en un solo número.

Quién, cuándo y para qué

Sallie Henry trabajaba en el departamento de informática de Virginia Tech. Antes había publicado métricas de programas procedimentales, entre ellas la «complejidad de flujo de información» que propuso con Dennis Kafura. Wei Li había presentado en la misma universidad una tesis doctoral sobre métricas de mantenimiento en el ciclo de vida orientado a objetos (1992), a la que remite el informe para los detalles de los datos. El trabajo de la familia se publicó en 1993 como informe técnico de Virginia Tech (TR-93-05) y como artículo en Journal of Systems and Software.

Los autores partían de una constatación: en el paradigma procedimental había estudios que relacionaban métricas y mantenibilidad, pero en el orientado a objetos casi no había métricas, y las propuestas no estaban validadas. Se fijaron tres objetivos: implementar las métricas de Chidamber y Kemerer, proponer otras para los conceptos que estas no cubrían y validarlas todas con datos de mantenimiento de dos sistemas comerciales.

Las métricas

El estudio usa diez métricas en tres grupos: cinco de Chidamber y Kemerer, tres nuevas de acoplamiento e interfaz y dos de tamaño. La tabla da la definición tal como la escriben Li y Henry, que no siempre coincide con la de otras fuentes.

Métrica Sigla Definición de Li y Henry Stau Metro
«Profundidad del árbol de herencia» DIT nivel de la clase en la jerarquía; la clase raíz vale 0 la calcula (DepthOfInheritance), contando Object
«Número de hijos» NOC número de subclases directas la calcula (NumChildren)
«Respuesta para la clase» RFC métodos locales más métodos llamados por ellos la calcula (ResponseForClass)
«LCOM de Chidamber y Kemerer» LCOM número de conjuntos disjuntos de métodos locales que comparten variables de instancia no esta lectura; calcula la variante LCOM4
«Complejidad ponderada de los métodos» WMC suma de la complejidad ciclomática de los métodos locales la calcula (WeightedMethodComplexity)
«Acoplamiento por paso de mensajes» MPC número de sentencias de envío definidas en la clase la calcula (MessagePassingCouplingClass)
«Acoplamiento por abstracción de datos» DAC número de tipos abstractos de datos definidos en la clase no la calcula
Número de métodos NOM número de métodos locales no a nivel de clase
Tamaño 1 SIZE1 número de puntos y coma de la clase no la calcula
Tamaño 2 SIZE2 número de atributos más número de métodos locales no la calcula

Tres detalles de la tabla merecen comentario:

  • LCOM como grupos. Li y Henry leyeron la LCOM de 1991 como el número de grupos de métodos que comparten variables. Esa lectura, reformulada después por Hitz y Montazeri como componentes conexos de un grafo, es el origen de la «LCOM4», que añade las llamadas entre métodos.
  • RFC como suma. Su fórmula suma los métodos locales y los llamados; la de Chidamber y Kemerer une los dos conjuntos, de modo que una llamada a un método propio no se cuenta dos veces.
  • Raíz en 0. En su DIT, una clase sin superclase vale 0. En Java toda clase desciende de Object, y las herramientas que lo cuentan, como Stau Metro, dan 1 a esa misma clase.

Tres vías de acoplamiento

La aportación conceptual de la familia es separar el acoplamiento por su mecanismo. Li y Henry distinguen tres:

  • Por herencia. Una subclase puede ver las propiedades no privadas de sus antepasados, y eso puede romper la ocultación de información. Lo miden DIT (de cuántas clases depende la clase) y NOC (a cuántas afecta).
  • Por paso de mensajes. Una clase pide servicios a otras llamando a sus métodos. Lo mide MPC, que cuenta llamadas, no clases: indica cuánto dependen los métodos de la clase de los de otras.
  • Por abstracción de datos. Una clase declara variables cuyo tipo es otra clase, y con ello accede a sus propiedades. Lo mide DAC.

Li y Henry no usaron CBO. El informe no da más explicación que recordar que Chidamber y Kemerer la habían propuesto para medir el acoplamiento «no relacionado con la herencia» (la definición de 1991); con su división en tres vías, ese acoplamiento queda repartido entre MPC y DAC. La página de «DAC» muestra con un ejemplo que una clase puede tener mucho de una vía y nada de otra.

NOM tiene otro papel: los autores la presentan como medida del «incremento de interfaz» de la clase, porque los métodos locales son lo que la clase añade a lo que hereda. Es la misma idea que hoy se llama «número de métodos» y que Lanza y Marinescu usan en su pirámide de visión general.

El estudio

Los dos sistemas, UIMS (un sistema de gestión de interfaces de usuario, 39 clases) y QUES (un sistema de evaluación de calidad, 71 clases), estaban escritos en Classic-Ada, una extensión de Ada con construcciones orientadas a objetos. Los autores escribieron un analizador para ese lenguaje y midieron el esfuerzo de mantenimiento como el número de líneas cambiadas por clase durante tres años; una línea modificada cuenta como un borrado y una adición.

Los resultados, en el informe técnico:

  • Un modelo de regresión con las diez métricas explicaba más del 90 % de la varianza de los cambios en UIMS y más del 87 % en QUES.
  • Un modelo solo con SIZE1 y SIZE2 explicaba el 66 % y el 63 %.
  • Una prueba F parcial rechazó que el modelo completo no aportara nada sobre el de tamaño: las ocho métricas de diseño ayudaban a predecir más allá del tamaño.
  • Para quitar redundancia, eliminaron las variables con un factor de inflación de la varianza excesivo. Quitaron SIZE2 (más difícil de obtener que NOM, con la que estaba muy correlacionada) y SIZE1 (muy correlacionada con WMC). El modelo compacto, con las ocho métricas de diseño, mantenía un R2R^2 de 0,90 en UIMS y 0,87 en QUES.
  • En una validación cruzada, la ecuación de cada sistema aplicada al otro dio correlaciones de 0,65 y 0,68 entre el cambio predicho y el observado.

Críticas y límites

  • Pocos datos, un solo entorno. Son dos sistemas, de la misma empresa y del mismo lenguaje, con 110 clases entre los dos. El esfuerzo se aproxima por las líneas cambiadas, que no distinguen un arreglo de una ampliación.
  • Coeficientes inestables. En el propio informe, varios coeficientes del modelo compacto cambian de signo entre un sistema y otro: el de DAC es positivo en UIMS y negativo en QUES, y el de MPC, al revés. Briand, Daly y Wüst (1999) señalan que los autores no lo explican. El modelo predice en conjunto, pero no dice qué aporta cada métrica.
  • Colinealidad. Varias métricas miden casi lo mismo: el factor de inflación de NOM en el modelo completo pasaba de 200 en los dos sistemas. Un problema emparentado lo señalaron más tarde El Emam y sus coautores (2001): en sus datos, la asociación de las métricas de Chidamber y Kemerer con los fallos desaparecía al controlar el tamaño de la clase.
  • Definiciones breves. MPC y DAC caben en una línea cada una. Briand, Daly y Wüst las formalizaron y mostraron que admiten varias lecturas: DAC puede contar atributos o clases distintas (DAC'), y MPC puede incluir o no las llamadas a métodos propios. Las páginas de cada métrica detallan esas variantes.

A cambio, el estudio fijó un método que siguieron muchos trabajos posteriores: medir un sistema real, tomar un indicador externo de calidad o de esfuerzo y comprobar si las métricas de diseño explican algo que el tamaño no explica. Basili, Briand y Melo, en el informe técnico de 1995 que precede a su artículo de 1996, lo presentan como complementario del suyo, que usó los fallos en lugar de los cambios.

En las herramientas

Stau Metro calcula MPC (MessagePassingCouplingClass) y las cinco métricas de Chidamber y Kemerer que usa la familia, con las diferencias de la tabla. Su MPC cuenta cada expresión de llamada a método del código de la clase, también las llamadas a métodos propios, pero no las creaciones de objetos con new. No calcula DAC, ni NOM por clase, ni SIZE1 ni SIZE2. Lo más cercano:

Checkstyle tiene una comprobación llamada ClassDataAbstractionCoupling, pero cuenta las clases que se instancian dentro de la clase, no los tipos de sus atributos: pese al nombre, no es la DAC de Li y Henry.

Referencias

  • Li, W. y Henry, S. (1993). Object Oriented Metrics Which Predict Maintainability. Informe técnico TR-93-05, Department of Computer Science, Virginia Polytechnic Institute and State University. http://hdl.handle.net/10919/19811
  • Li, W. y Henry, S. (1993). «Object-Oriented Metrics that Predict Maintainability». Journal of Systems and Software, 23(2), 111-122. https://doi.org/10.1016/0164-1212(93)90077-B
  • Li, W. y Henry, S. (1993). «Maintenance Metrics for the Object Oriented Paradigm». Proceedings of the First International Software Metrics Symposium, 52-60.
  • Li, W. (1992). Applying Software Maintenance Metrics in the Object Oriented Software Development Life Cycle. Tesis doctoral, Virginia Polytechnic Institute and State University.
  • Chidamber, S. R. y Kemerer, C. F. (1991). «Towards a Metrics Suite for Object Oriented Design». Proceedings of OOPSLA '91, 197-211.
  • Briand, L. C., Daly, J. W. y Wüst, J. K. (1999). «A Unified Framework for Coupling Measurement in Object-Oriented Systems». IEEE Transactions on Software Engineering, 25(1), 91-121. https://doi.org/10.1109/32.748920
  • Basili, V. R., Briand, L. C. y Melo, W. L. (1995). A Validation of Object-Oriented Design Metrics as Quality Indicators. Informe técnico CS-TR-3443, Universidad de Maryland. https://www.cs.umd.edu/~basili/publications/technical/T102.pdf
  • El Emam, K., Benlarbi, S., Goel, N. y Rai, S. N. (2001). «The Confounding Effect of Class Size on the Validity of Object-Oriented Metrics». IEEE Transactions on Software Engineering, 27(7), 630-650.
  • Checkstyle, comprobación ClassDataAbstractionCoupling: https://checkstyle.org/checks/metrics/classdataabstractioncoupling.html