Çoklu Grup Yakınsak Geçerliliği
Multi-group Convergent Validity Assessment · Ayrıca şöyle bilinir: cross-group convergent validity, multi-sample convergent validity, MGCFA convergent validity, AVE across groups
Çoklu grup yakınsak geçerliliği, aynı gizil yapıyı ölçtüğü varsayılan maddelerin, demografik kategoriler, kültürler veya deneysel koşullar gibi farklı alt gruplar arasında tutarlı bir şekilde o yapı ile güçlü bir şekilde ilişkili olup olmadığını inceler. Tek örneklem yakınsak geçerliliği kontrollerini, karşılaştırmalı çoklu grup onaylayıcı faktör analizi çerçevesine genişletir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Çalışmanız iki veya daha fazla grubu karşılaştırarak ölçek puanlarını veya yapısal ilişkileri karşılaştırıyorsa ve ölçeğin her grupta amaçlanan yapıyı eşit derecede iyi yakaladığını belirlemeniz gerekiyorsa çoklu grup yakınsak geçerliliğini kullanın. Kültürlerarası ölçüm çalışmaları, cinsiyet veya yaş karşılaştırmaları ve farklı kohortlara sahip boylamsal tasarımlarda esastır. Teorik iddia grup karşılaştırmalarını içerdiğinde tek örneklem yakınsak geçerliliği kontrollerine güvenmeyin. Gruplarınız çok küçükse (grup başına 100-150'den az vaka), CFA tabanlı tahminler kararsız hale geldiği için bu prosedürden kaçının; önce keşifsel yaklaşımları düşünün. Ayrıca, her grupta AVE'yi kontrol etmeden metrik değişmezliği yeterli olarak kabul etmekten kaçının - eşit yüklemeler her grupta yeterli yakınsak geçerliliği garanti etmez.
Güçlü yönler & sınırlılıklar
- Bir ölçeğin tüm gruplarda eşit güçte yapısına yakınsadığını doğrudan test eder, adil karşılaştırmaları destekler.
- Doğrulanabilir ve şeffaf olan yerleşik, yaygın olarak kabul görmüş kriterleri (AVE ≥ 0.50, yüklemeler ≥ 0.50, HTMT < 0.85) kullanır.
- Aynı çoklu grup CFA modelinden yararlanarak ölçüm değişmezliği test dizisine doğal olarak entegre olur.
- Yakınsak geçerliliğin zayıf olduğu belirli grupları veya maddeleri tanımlayarak hedeflenmiş ölçek revizyonunu mümkün kılar.
- Yüksek kaliteli dergilerde grup başına ayrıştırılmış geçerlilik kanıtı gerektiren yayın standartlarını destekler.
- Kararlı CFA tahmini için yeterince büyük grup düzeyinde örneklere ihtiyaç duyar, bu her zaman mümkün olmayabilir.
- AVE ve HTMT eşikleri (0.50 ve 0.85) geleneksel kıyaslamalardır, evrensel olarak kabul edilmiş kesin kurallar değildir; bağlam ve yapı benzerliği önemlidir.
- Metrik değişmezlik bir ön koşuldur ve kısmi değişmezlik yakınsak geçerlilik karşılaştırmalarını karmaşıklaştırır ancak tamamen engellemez.
- Maddelerin içerik veya kavramsal temsilini değerlendirmez; tüm gruplarda yüksek AVE hala içerik geçerliliği kanıtı gerektirir.
SSS
Çoklu grup yakınsak geçerliliğini kontrol etmeden önce metrik değişmezlik yeterli midir?
Metrik değişmezlik (eşit yüklemeler), ortak bir ölçekte olan yüklemeleri karşılaştırmanızı sağladığı için gerekli bir ön koşuldur. Ancak yeterli değildir: eşit kısıtlanmış yüklemelerde bile, bir grupta madde hata varyansları büyükse grup başına AVE 0.50'nin altına düşebilir. Metrik değişmezliği oluşturduktan sonra her grup için AVE'yi daima ayrı ayrı hesaplayın ve raporlayın.
Bir grupta AVE 0.50'nin altındaysa ancak diğerinde değilse ne olur?
Bu, farklılaştırılmış yakınsak geçerliliği gösterir: ölçek yapıyı düşük AVE grubunda daha zayıf yakalar. O gruptaki bireysel yüklemeleri, hangi maddelerin yetersiz performans gösterdiğini belirlemek için inceleyin. Belirli bir grupta birkaç madde tutarlı bir şekilde zayıfsa, bu maddelerin kültürel veya bağlamsal olarak orada daha az ilgili olup olmadığını düşünün ve grupları yakınsak geçerliliğin eşit olduğu varsayımıyla havuzlamak yerine sınırlamayı açıkça raporlayın.
Yakınsak geçerlilik için AVE yerine HTMT kullanabilir miyim?
HTMT öncelikle ayırt edici geçerliliği test eder, ancak düşük HTMT değerleri, yapıların iyi farklılaştığını doğrulayarak yakınsak geçerlilik için dolaylı kanıtlar da sağlar. AVE'nin yerini almamalı, onu tamamlamalıdır. Her ikisini birlikte kullanın: AVE, her yapının kendi maddeleri tarafından iyi yakalandığını doğrular, HTMT ise diğer yapılardan farklı olduğunu doğrular.
Grup başına kaç vaka gereklidir?
Pratik bir minimum olarak, grup başına 100-150 vaka, kararlı yükleme ve uyum tahminleri üretmek için çoklu grup CFA için sıklıkla belirtilir. Daha az vaka ile, yükleme standart hataları genişler, AVE tahminleri güvenilmez hale gelir ve ki-kare fark testleri gücünü kaybeder. Örneklem büyüklüklerini planlarken Monte Carlo simülasyonu kullanarak güç analizi en prensipli yaklaşımdır.
Kısmi metrik değişmezlik yakınsak geçerlilik karşılaştırmalarına izin verir mi?
Kısmi metrik değişmezlik — faktör başına en az iki maddenin eşit yüklemelere sahip olduğu — bu maddeler için sınırlı grup içi karşılaştırmalara izin verir, ancak kısıtlanmamış yüklemeler gruplar arasında farklılık gösterdiği için küresel AVE karşılaştırmaları tehlikeye girer. Kısmi değişmezliği şeffaf bir şekilde raporlayın ve yakınsak geçerlilik iddialarını değişmez maddelerle sınırlayın.
Kaynaklar
- Fornell, C. & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. DOI: 10.1177/002224378101800104 ↗
- Vandenberg, R. J. & Lance, C. E. (2000). A review and synthesis of the measurement invariance literature: Suggestions, practices, and recommendations for organizational research. Organizational Research Methods, 3(1), 4–70. DOI: 10.1177/109442810031002 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Multi-group Convergent Validity Assessment. ScholarGate. https://scholargate.app/tr/psychometrics/multi-group-convergent-validity
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Doğrulayıcı faktör analizi (DFA)Psikometri↔ karşılaştır
- Yakınsak GeçerlilikPsikometri↔ karşılaştır
- Ayrışım GeçerliliğiPsikometri↔ karşılaştır
- Çoklu Grup Doğrulayıcı Faktör Analizi (MG-CFA)Psikometri↔ karşılaştır
- Çok Gruplu Ayırt Edici Geçerlilik DeğerlendirmesiPsikometri↔ karşılaştır
- Çok Gruplu Ölçüm Değişmezliği TestiPsikometri↔ karşılaştır