Sıralı Yakınsak Geçerlilik
Ordinal Convergent Validity Assessment · Ayrıca şöyle bilinir: OCV, convergent validity for ordinal scales, polychoric convergent validity, ordinal AVE
Sıralı yakınsak geçerlilik, aynı gizil yapıyı gösteren göstergelerin, bu göstergeler sıralı (örneğin, Likert tipi) ölçeklerde ölçüldüğünde birbirleriyle güçlü bir şekilde ne ölçüde ilişkili olduğunu değerlendirir. Standart yakınsak geçerlilik prosedürlerini — faktör yükleri, ortalama varyans çıkarımı ve HTMT oranları — polikolik korelasyonları ve sıralı verilere uygun tahmin yöntemlerini kullanarak sıralı yanıt kategorilerinin ayrık, sınırlı doğasını hesaba katacak şekilde uyarlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Ölçek maddeleriniz sıralı yanıt formatları (Likert, beş veya daha az kategoriye sahip derecelendirme ölçekleri) kullandığında ve aynı yapıyı ölçmeyi amaçlayan maddelerin gerçekten tutarlı olup olmadığını doğrulamak istediğinizde sıralı yakınsak geçerlilik değerlendirmesini kullanın. Madde düzeyinde çarpıklık, tavan veya taban etkileri veya altıdan az yanıt kategorisi olduğunda sürekli normal varsayımının geçersiz olduğu durumlarda doğru yaklaşımdır. Bu durumlarda standart (Pearson tabanlı) yakınsak geçerlilik prosedürünü kullanmayın, çünkü yanıltıcı yükler ve AVE değerleri üretebilir. Sıralı yakınsak geçerlilik, maddeler gerçekten sürekli ve yaklaşık olarak normal dağılmış olduğunda da uygun değildir, bu durumda standart ML tabanlı CFA daha basittir ve eşit derecede geçerlidir.
Güçlü yönler & sınırlılıklar
- Sıralı yanıtları sürekliymiş gibi ele almaktan kaynaklanan zayıflama yanlılığını düzeltir, daha doğru faktör yükleri ve AVE tahminleri sağlar.
- Polikolik korelasyonlar ve sıralı tahmin ediciler (DWLS/WLSMV) normal dağılmama durumuna karşı dayanıklıdır, bu da onları anket verilerinde yaygın olan çarpık dağılımlar için uygun kılar.
- Öğe tutarlılığının (AVE) ilkeli, nicel bir özetini ve yapı içi ile yapılar arası korelasyonların (HTMT) doğrudan karşılaştırmasını sağlar.
- Tam bir sıralı CFA iş akışına doğal olarak entegre olur, model uyumu, güvenilirlik (sıralı omega) ve hem yakınsak hem de ayrımcı geçerliliğin eş zamanlı değerlendirilmesini sağlar.
- Yazılım uygulamaları (lavaan, Mplus, R paketleri polycor ve psych) prosedürü özel programlama gerektirmeden erişilebilir kılar.
- Polikolik korelasyon tahmini, kararlı olması için yeterince büyük örneklemler (genellikle en az 200–300 gözlem) gerektirir; küçük örneklemler pozitif-olmayan-tanımlı matrisler üretebilir.
- 0.50 AVE eşiği, sabit bir kriter değil, bir kuraldır; sınırdaki değerler (örneğin, 0.45–0.49) bağlamsal yargı gerektirir ve mekanik olarak reddedilmemelidir.
- DWLS/WLSMV tahmin edicileri, veriler gerçekten sürekli olduğunda ML'ye kıyasla verimlilik kaybeder, bu nedenle veri türünü diğer yönde yanlış belirtmek de hataya neden olur.
- Polikolik korelasyonlar, altında yatan sürekli değişkenlerin ikili normalliğini varsayar; bu varsayımın ihlali tahmin edilen korelasyonları bozabilir.
SSS
Sıralı yakınsak geçerlilik için neden polikolik veya Pearson korelasyonlarını kullanmam gerektiği önemlidir?
Sıralı maddelere uygulanan Pearson korelasyonları, altında yatan sürekli değişkenler arasındaki gerçek ilişkiye göre zayıflamıştır. Bu zayıflama, tahmin edilen faktör yüklerini ve AVE'yi düşürür, bu da gerçekte geçerli bir ölçeğin yakınsak geçerlilik eşiğini geçemediği izlenimini verebilir. Polikolik korelasyonlar bu zayıflamayı düzelterek faktör modeli için yansız bir temel sağlar.
Sıralı CFA için hangi tahmin ediciyi kullanmalıyım?
DWLS (ağırlık matrisinin köşegeni ile WLS olarak da adlandırılır) veya ortalama-ve-varyans ayarlı formu WLSMV, çok değişkenli normalliği gerektirmediği ve iyi kalibre edilmiş standart hatalar ile uyum istatistikleri ürettiği için sıralı veriler için en çok tavsiye edilenlerdir. WLSMV, Mplus'ta kategorik göstergeler için varsayılan değerdir ve lavaan'da estimator = 'WLSMV' aracılığıyla da mevcuttur.
Yakınsak geçerlilik için hangi AVE değeri yeterlidir?
Yaygın olarak atıfta bulunulan eşik AVE >= 0.50'dir, bu da gizil faktörün göstergelerindeki varyansın en az yarısını açıkladığı anlamına gelir. 0.50'nin biraz altındaki değerler, bileşik güvenilirlik (omega) yüksekse (0.60'ın üzerinde) ve yüklerin genel deseni güçlüyse savunulabilir, ancak eşik göz ardı edilmek yerine durum açıkça belirtilmelidir.
HTMT, sıralı yakınsak geçerlilikte AVE'yi nasıl tamamlar?
AVE, bir faktörün kendi maddelerinden ne kadar varyans yakaladığını ölçer. HTMT, aynı yapıyı ölçen maddelerin diğer yapılardaki maddelerden daha güçlü bir şekilde birbirleriyle ilişkili olup olmadığını değerlendirir. Polikolik matris üzerinde birlikte kullanıldığında, AVE yeterli yapı içi yakınsamayı doğrular, HTMT ise yapılar arası yetersiz ayrımı önler ve yapı geçerliliğinin daha eksiksiz bir resmini sunar.
İkili maddelerle sıralı yakınsak geçerlilik kullanabilir miyim?
Evet. İkili maddeler polikolik yerine tetrakorik korelasyonlar kullanır, ancak mantık ve prosedür aynıdır. Polikolik korelasyonları destekleyen çoğu yazılım, maddeler tam olarak iki kategoriye sahip olduğunda tetrakorik korelasyonları özel bir durum olarak ele alır.
Kaynaklar
- Rhemtulla, M., Brosseau-Liard, P. E., & Savalei, V. (2012). When can categorical variables be treated as continuous? A comparison of robust continuous and categorical SEM estimation methods under suboptimal conditions. Psychological Methods, 17(3), 354–373. DOI: 10.1037/a0029315 ↗
- Flora, D. B., & Curran, P. J. (2004). An empirical evaluation of alternative methods of estimation for confirmatory factor analysis with ordinal data. Psychological Methods, 9(4), 466–491. DOI: 10.1037/1082-989X.9.4.466 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Ordinal Convergent Validity Assessment. ScholarGate. https://scholargate.app/tr/psychometrics/ordinal-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
- Ölçme Değişmezliği TestiPsikometri↔ karşılaştır
- Sırasal Doğrulayıcı Faktör AnaliziPsikometri↔ karşılaştır
- Sıralı Güvenilirlik AnaliziPsikometri↔ karşılaştır