ความตรงเชิงจำแนกที่แข็งแกร่ง
การประเมินความตรงเชิงจำแนกที่แข็งแกร่ง (Robust discriminant validity assessment) เป็นการตรวจสอบว่าโครงสร้างแฝง (latent constructs) ที่แตกต่างกันในแบบจำลองการวัด (measurement model) มีความแตกต่างกันเพียงพอหรือไม่ วิธีการที่แข็งแกร่ง เช่น อัตราส่วน Heterotrait-Monotrait (HTMT) จะใช้วิธีการสหสัมพันธ์ระหว่างตัวบ่งชี้ (inter-indicator correlations) เพื่อให้เกณฑ์ที่ละเอียดอ่อนและผ่านการตรวจสอบด้วยการจำลอง (simulation-validated criterion) สำหรับการตัดสินความตรงเชิงจำแนกในบริบทของแบบจำลองสมการโครงสร้าง (structural equation modeling) ซึ่งแตกต่างจากแนวทางที่ใช้ค่าเฉลี่ยความแปรปรวนร่วมที่สกัดได้ (Average Variance Extracted: AVE) แบบดั้งเดิม
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Henseler, J., Ringle, C. M. & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. DOI: 10.1007/s11747-014-0403-8 ↗
- Campbell, D. T. & Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56(2), 81–105. DOI: 10.1037/h0046016 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Discriminant Validity Assessment. ScholarGate. https://scholargate.app/th/psychometrics/robust-discriminant-validity
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- การวิเคราะห์ปัจจัยยืนยัน (Confirmatory Factor Analysis: CFA)การวัดทางจิตวิทยา↔ compare
- ความตรงเชิงโครงสร้างการวัดทางจิตวิทยา↔ compare
- ความเที่ยงตรงเชิงบรรจบการวัดทางจิตวิทยา↔ compare
- แบบจำลองสมการโครงสร้างสถิติการวิจัย↔ compare