Sağlam Ayırt Edici Geçerlilik
Robust Discriminant Validity Assessment · Ayrıca şöyle bilinir: HTMT criterion, heterotrait-monotrait ratio, discriminant validity testing, RDV
Sağlam ayırt edici geçerlilik değerlendirmesi, bir ölçüm modelindeki farklı gizil yapılarının birbirinden yeterince farklı olup olmadığını belirler. Geleneksel Ortalama Varyans Çıkarımı (AVE) tabanlı yaklaşımların aksine, Heterotrait-Monotrait (HTMT) oranı gibi sağlam yöntemler, yapısal eşitlik modellemesi bağlamlarında ayırt edici geçerliliği yargılamak için daha hassas ve simülasyonla doğrulanmış bir ölçüt sağlamak üzere göstergeler arası korelasyonların örüntüsünü kullanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Özellikle iki veya daha fazla yansıtıcı ölçeğin örtüşen içeriği ölçebileceği PLS-SEM veya CB-SEM çalışmalarında, çok yapılı bir ölçüm modelini doğrularken sağlam ayırt edici geçerlilik değerlendirmesini kullanın. Özellikle yapılar teorik olarak ilişkiliyken (örneğin, kaygı ve depresyon, tatmin ve sadakat) önemlidir, çünkü geleneksel Fornell-Larcker ölçütlerinin bu durumlarda çok esnek olduğu bilinmektedir. Yalnızca AVE karşılaştırmalarına veya korelasyon matrislerine güvenmeyin; bunları HTMT ve bootstrap aralıklarıyla destekleyin. Biçimlendirici yapılar için HTMT'yi mekanik olarak uygulamaktan kaçının, çünkü yapı içi gösterge korelasyonlarının (monotrait korelasyonları) mantığı biçimlendirici ölçüm için aynı şekilde geçerli değildir.
Güçlü yönler & sınırlılıklar
- Fornell-Larcker ölçütünden daha hassas — simülasyon çalışmaları, HTMT'nin AVE karşılaştırmalarının kaçırdığı ayırt edici geçerlilik hatalarını tespit ettiğini göstermektedir.
- Sadece tanımlayıcı bir nokta tahmini değil, bootstrap güven aralıkları aracılığıyla çıkarımsal bir test sağlar.
- Campbell ve Fiske'nin çoklu-özellik-çoklu-yöntem mantığına dayanır, bu da ona güçlü teorik temeller kazandırır.
- CB-SEM ve PLS-SEM çerçevelerinde uygulanabilir, bu da onu çeşitli araştırma tasarımları için çok yönlü kılar.
- Gösterge korelasyon matrisinden şeffaf hesaplama — elle veya standart SEM yazılımlarında hesaplanabilir.
- HTMT öncelikli olarak yansıtıcı yapılar için geliştirilmiş ve doğrulanmıştır; biçimlendirici veya bileşik yapılar için yorumlanması daha az nettir.
- Bootstrap güven aralıklarının kararlı olması için yeterince büyük bir örneklem gerektirir; küçük örneklemler bilgilendirici olmayan geniş aralıklar verebilir.
- Eşik seçiminin (0.85'e karşı 0.90) yapılar arasındaki teorik ilişkiselliğe bağlı bir sezgisel olması, bir miktar öznellik katmaktadır.
SSS
HTMT ile Fornell-Larcker ölçütü arasındaki fark nedir?
Fornell-Larcker ölçütü, her yapının AVE'sinin karekökünü diğer yapılarla olan korelasyonlarıyla karşılaştırır ve ilkinin ikincisinden büyük olmasını gerektirir. Henseler ve ark. (2015) tarafından yapılan simülasyon çalışmaları, bu ölçütün düşük hassasiyete sahip olduğunu ve gerçek ayırt edici geçerlilik sorunlarını tespit etmede sıklıkla başarısız olduğunu göstermiştir. HTMT, göstergeler arası korelasyonların tam örüntüsünü kullanır ve istatistiksel olarak daha hassastır, bu da onu tercih edilen modern ölçüt haline getirir.
HTMT için hangi eşiği kullanmalıyım?
Karşılaştırılan iki yapının kavramsal olarak farklı olduğu ve fazla varyans paylaşmaması gerektiği durumlarda 0.85 eşiği önerilir. Yapılar teorik olarak ilişkiliyken ancak hala ayırt edilebilir olması beklendiğinde 0.90 eşiği kabul edilebilirdir. Resmi çıkarım için, eşik kontrolünü bir bootstrap güven aralığıyla birleştirin: %95 GÜven Aralığının üst sınırı eşiğin altına düşerse, ayırt edici geçerlilik desteklenir.
HTMT biçimlendirici yapılar için geçerli mi?
HTMT, göstergelerin gizil değişken tarafından neden olduğu varsayılan ve birbirleriyle korelasyon göstermesi beklenen yansıtıcı yapılar için tasarlanmıştır. Göstergelerin yapıyı neden olduğu ve korelasyon göstermesi gerekmeyen biçimlendirici yapılar için, HTMT'yi destekleyen monotrait korelasyon mantığı doğrudan geçerli değildir. Biçimlendirici yapılar için göstergeler arasındaki çoklu doğrusallık için VIF ve dışsal ölçüt geçerliliği gibi farklı geçerlilik kontrolleri önerilir.
HTMT çok yüksekse ne yapmalıyım?
Önce çapraz yüklemeleri ve gösterge korelasyonlarını inceleyerek hangi maddelerin yapılar arasındaki sınırı bulanıklaştırdığını belirleyin. Seçenekler arasında örtüşen maddeleri kaldırmak, yapıların kavramsal tanımını yeniden gözden geçirmek, teorik olarak benzer iki yapıyı tek bir yapıda birleştirmek veya daha iyi hedeflenmiş maddelerle yeni veri toplamak yer alır. Yüksek bir HTMT, gerçek bir teorik sorunu da gösterebilir — yapılar varsayıldığı kadar belirgin olmayabilir.
HTMT, CB-SEM'de olduğu kadar PLS-SEM'de de kullanılabilir mi?
Evet. HTMT PLS-SEM literatüründe popülerleşmiş olsa da, gösterge korelasyon matrisinden hesaplanır ve bu nedenle CB-SEM bağlamlarında da uygulanabilir. Kullanılan tahmin yönteminden bağımsız olarak aynı eşikler ve bootstrap aralığı prosedürü geçerlidir.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Robust Discriminant Validity Assessment. ScholarGate. https://scholargate.app/tr/psychometrics/robust-discriminant-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
- Yapısal GeçerlikPsikometri↔ karşılaştır
- Yakınsak GeçerlilikPsikometri↔ karşılaştır
- Yapısal Eşitlik ModellemesiAraştırma istatistiği↔ karşılaştır