Çok Gruplu Ayırt Edici Geçerlilik Değerlendirmesi
Multi-group Discriminant Validity Assessment · Ayrıca şöyle bilinir: cross-group discriminant validity, multi-sample discriminant validity, MGDV, discriminant validity across groups
Çok gruplu ayırt edici geçerlilik değerlendirmesi, bir ölçekle ölçülen yapıların yalnızca tek bir örneklemde değil, iki veya daha fazla grup (örneğin, kültürler, cinsiyetler, yaş grupları) arasında tutarlı bir şekilde ampirik olarak farklı olup olmadığını test eder. Kavramsal farklılığın alt popülasyonlar arasında tekrarlanabilir olduğunu doğrulamak için, AVE kuralı ve HTMT oranı gibi standart ayırt edici geçerlilik kriterlerini çok gruplu doğrulayıcı 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
Kültürel, demografik veya örgütsel olarak farklı örneklemler arasında çok faktörlü bir ölçeği uyarlarken veya doğrularken ve kavramsal olarak ayrı yapıların her grupta ampirik olarak farklı kaldığını göstermeniz gerektiğinde çok gruplu ayırt edici geçerlilik değerlendirmesini kullanın. Özellikle çok gruplu yapısal eşitlik modellemesi yapmadan önce önemlidir, çünkü ayırt edici geçerlilik başarısızlıkları yol tahminlerini yanıltabilir. Bu yaklaşımı ölçüm değişmezliği testinin yerine kullanmayın — önce en az metrik değişmezliği sağlayın. Herhangi bir gruptaki örneklem büyüklüğü çok küçük olduğunda (çok faktörlü modeller için genellikle grup başına n < 150) kaçının, çünkü faktörler arası korelasyonlar kararsız hale gelir ve HTMT oranları güvenilmez olur.
Güçlü yönler & sınırlılıklar
- Yapı farklılığının tek örneklem sonuçlarından otomatik olarak aktarıldığını varsaymak yerine, titiz, gruba özgü kanıtlar sunar.
- Kapsamlı bir sonuç için birden fazla tamamlayıcı kriteri (Fornell-Larcker AVE, HTMT, ki-kare fark testi) birleştirir.
- Ölçüm değişmezliği testi için zaten gerekli olan çok gruplu DFA iş akışına doğal olarak entegre olur.
- Kavramların nasıl anlaşıldığına dair gerçek kültürel veya demografik farklılıkları ortaya çıkarabilecek, yapılar arası sınır farklılıklarını işaret eder.
- Metodolojik titizlikle yayınlanabilir kültürlerarası veya karşılaştırmalı doğrulama çalışmalarını destekler.
- Büyük, dengeli grup örneklemleri gerektirir; küçük veya oldukça eşitsiz grup büyüklükleri, ki-kare fark testi için Tip I ve Tip II hatalarını artırır.
- Fornell-Larcker AVE kriteri, yakın ayırt edici geçerlilik başarısızlıklarına karşı yeterince hassas olmadığı için eleştirilmiştir; HTMT artık genellikle tercih edilmektedir.
- Çok gruplu DFA, iyi belirtilmiş, yerel olarak tanımlanmış modeller gerektirir — temel modeldeki herhangi bir yanlış belirtim, ayırt edici geçerlilik değerlendirmesine yayılır.
SSS
Çok gruplu ayırt edici geçerliliği test etmeden önce ölçüm değişmezliğini sağlamam gerekiyor mu?
Evet. En azından yapısal değişmezlik (gruplar arasında aynı faktör deseni) gereklidir, böylece faktörler arası korelasyonlar karşılaştırılabilir bir faktör yapısı içinde tahmin edilir. Metrik değişmezlik (eşit yükler) de önerilir, çünkü örtük faktörlerin ölçeğinin gruplar arasında karşılaştırılabilir olmasını sağlayarak faktörler arası korelasyonları doğrudan yorumlanabilir hale getirir.
Fornell-Larcker kriterini mi yoksa HTMT oranını mı kullanmalıyım?
Mümkünse ikisini de. Fornell-Larcker AVE kriteri yaygın olarak rapor edilmektedir ancak daha düşük hassasiyete sahiptir — yapılar gerçekten farklı olmasa bile geçebilir. HTMT oranı daha hassastır ve artık yaygın olarak tercih edilmektedir. 0.85'in altındaki bir eşik muhafazakardır; bazı yazarlar kavramsal olarak ilişkili yapılar için 0.90'a kadar izin verir. Şeffaflık için her iki kriteri de grup başına rapor edin.
Ayırt edici geçerlilik bir grupta geçerli olup diğerinde başarısız olursa ne olur?
Bu, özünde anlamlı bir bulgudur: iki yapı, kültürel, dilsel veya bağlamsal nedenlerle o grupta kavramsal olarak bulanıklaşmış olabilir. O grup için madde ifadelerinin veya yapı tanımlarının revizyona ihtiyacı olup olmadığını araştırın veya sınırlamayı açıkça rapor edin ve gruplar arası karşılaştırmaları dikkatli bir şekilde yorumlayın.
Grup başına ne kadar büyük bir örnekleme ihtiyacım var?
Üç veya daha fazla faktör ve faktör başına beş veya daha fazla madde içeren modeller için grup başına yaklaşık 150-200 vaka kaba bir minimumdur. Daha küçük gruplar kararsız faktörler arası korelasyonlar verir, bu da AVE ve HTMT hesaplamalarını güvenilmez ve ki-kare fark testlerini güçsüz hale getirir.
Çok gruplu ayırt edici geçerlilik, her grupta ayrı ayrı ayırt edici geçerlilik çalıştırmaktan farklı mıdır?
Çoğunlukla grup başına aynı kriterleri kullanır, ancak çok gruplu DFA çerçevesi, faktörler arası korelasyonların gruplar arasında farklılık gösterip göstermediğine dair resmi istatistiksel testlere olanak tanır, bu da ayrı grup analizlerinin sağlayamayacağı bir şeydir. Ki-kare fark testi ve uyum indeksi değişiklikleri (ΔCFI, ΔRMSEA) yalnızca eş zamanlı çok gruplu çerçevede mevcuttur.
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 Discriminant Validity Assessment. ScholarGate. https://scholargate.app/tr/psychometrics/multi-group-discriminant-validity
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Yapısal GeçerlikPsikometri↔ karşılaştır
- Yakınsak GeçerlilikPsikometri↔ karşılaştır
- Ayrışım GeçerliliğiPsikometri↔ karşılaştır
- Çoklu Grup Doğrulayıcı Faktör Analizi (MG-CFA)Psikometri↔ karşılaştır
- Çok Gruplu Ölçüm Değişmezliği TestiPsikometri↔ karşılaştır