Co oznacza Trafność różnicowa?
Zastosowanie, warunki i dobre praktyki
Trafność różnicowa dotyczy dowodów, że miara odróżnia konstrukt od innych, teoretycznie bliskich pojęć. W CFA lub PLS-SEM mogą ją wspierać HTMT, przedziały, porównanie modeli i wzorce relacji, ale żaden pojedynczy próg nie zastępuje treści. Bardzo podobne pozycje mierzone tą samą metodą mogą sztucznie zwiększać zależność między konstruktami.
Najważniejsze zastosowanie: Oceniaj definicje i pokrycie treści, korelacje czynników, HTMT z niepewnością, ładunki oraz dopasowanie modeli alternatywnych. Dla porównań grup najpierw ustal inwariancję pomiaru.
Jak poprawnie stosować i interpretować hasło „Trafność różnicowa”?
W przypadku pojęcia „Trafność różnicowa” trzeba wskazać, jakiego rodzaju dowodu trafności oczekuje się od modelu i które konstrukty lub wskaźniki są oceniane. Dla interpretacji hasła „Trafność różnicowa” kryterium liczbowe ma znaczenie tylko w poprawnie określonym modelu pomiarowym. W odniesieniu do hasła „Trafność różnicowa” treść pozycji, kierunek przewidywanych relacji i rozróżnienie konstruktu od pojęć sąsiednich powinny być ustalone przed obejrzeniem wyników.
Ocena pojęcia „Trafność różnicowa” powinna wykorzystywać przedziały ufności lub bootstrap, modele alternatywne i kilka komplementarnych źródeł dowodów. Przy ocenie hasła „Trafność różnicowa” mechaniczne przekroczenie progu nie wskazuje automatycznie, którą pozycję usunąć. W analizie dotyczącej hasła „Trafność różnicowa” każda zmiana musi zachować zakres treści konstruktu i zostać sprawdzona na nowych danych.
Co trzeba opisać w raporcie?
Raport dotyczący „Trafność różnicowa” powinien podać dokładną miarę, parę konstruktów lub zestaw wskaźników, estymator i niepewność wyniku. Dla interpretacji hasła „Trafność różnicowa” należy wskazać przyjęte kryterium oraz jego uzasadnienie, a wniosek sformułować jako dowód wspierający lub osłabiający określoną interpretację, nie jako ostateczny certyfikat trafności.
Zakres raportowania dla hasła „Trafność różnicowa”: Raportuj zestaw dowodów, pary problematyczne i uzasadnienie decyzji. Nie pisz wyłącznie „trafność różnicowa została potwierdzona, bo HTMT < .90”.
Przykład praktyczny i gotowa interpretacja
Sytuacja: Jeżeli skale satysfakcji i lojalności mają korelację latentną .94 oraz HTMT .96, należy rozważyć jeden konstrukt, efekt metody albo zbyt podobne pozycje zamiast arbitralnie usuwać wskaźniki.
Jak ją zinterpretować: Konstrukty są wystarczająco odrębne tylko wtedy, gdy potwierdzają to zarówno dane, jak i definicje treściowe. HTMT lub porównanie modeli jest jednym z dowodów; mechaniczne przekroczenie progu nie rozstrzyga problemu.
Najczęstsza pułapka i granica interpretacji
Kryterium Fornella-Larckera i kontrola cross-loadings mogą nie wykryć problemu. Niski HTMT także nie dowodzi, że treść skal jest poprawna.
Wynik dotyczący „Trafność różnicowa” nie zastępuje trafności treściowej, jakości operacjonalizacji ani oceny rzetelności. Przy ocenie hasła „Trafność różnicowa” niska lub wysoka wartość pojedynczego wskaźnika jest tylko częścią argumentu dotyczącego użycia wyniku w określonym celu.
Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Henseler et al., 2015).
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Alfa Cronbacha: jak oceniać rzetelność skali bez uproszczeń
Alfa Cronbacha krok po kroku: wzór, założenia, interpretacja, ograniczenia i sytuacje, w których lepiej raportować współczynnik omega.
Czytaj →PoradnikAnaliza czynnikowa EFA i CFA: jak dobrać metodę i uniknąć błędów
EFA i CFA w praktyce: liczba czynników, metoda ekstrakcji, rotacja, ładunki, walidacja oraz najczęstsze błędy w analizie czynnikowej.
Czytaj →PoradnikAnaliza ankiety do pracy licencjackiej i magisterskiej
Analiza ankiety do pracy dyplomowej: przygotowanie bazy, kodowanie pytań, skale, testy, modele i raport wyników do licencjatu lub magisterki.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Oferta dla badaczyOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- 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, 115–135. https://doi.org/10.1007/s11747-014-0403-8
- Rönkkö, M., & Cho, E. (2022). An updated guideline for assessing discriminant validity. Organizational Research Methods, 25(1), 6–14. https://doi.org/10.1177/1094428120968614
- Dijkstra, T. K., & Henseler, J. (2015). Consistent partial least squares path modeling. MIS Quarterly, 39(2), 297–316. https://doi.org/10.25300/MISQ/2015/39.2.02
- Benitez, J., Henseler, J., Castillo, A., & Schuberth, F. (2020). How to perform and report an impactful analysis using partial least squares: Guidelines for confirmatory and explanatory IS research. Information & Management, 57(2), 103168. https://doi.org/10.1016/j.im.2019.05.003
- Hair, J. F., Sarstedt, M., & Ringle, C. M. (2019). Rethinking some of the rethinking of partial least squares. European Journal of Marketing, 53(4), 566–584. https://doi.org/10.1108/EJM-10-2018-0665
- Jarvis, C. B., MacKenzie, S. B., & Podsakoff, P. M. (2003). A critical review of construct indicators and measurement model misspecification in marketing and consumer research. Journal of Consumer Research, 30(2), 199–218. https://doi.org/10.1086/376806
Cytowania BibTeX
@article{henseler2015htmt, author={Henseler, Jörg and Ringle, Christian M. and Sarstedt, Marko}, title={A New Criterion for Assessing Discriminant Validity in Variance-Based Structural Equation Modeling}, journal={Journal of the Academy of Marketing Science}, year={2015}, volume={43}, pages={115--135}, doi={10.1007/s11747-014-0403-8}}@article{ronkko2022discriminant, author={Rönkkö, Mikko and Cho, Eunseong}, title={An Updated Guideline for Assessing Discriminant Validity}, journal={Organizational Research Methods}, year={2022}, volume={25}, number={1}, pages={6--14}, doi={10.1177/1094428120968614}}@article{dijkstra2015plsc, author={Dijkstra, Theo K. and Henseler, Jörg}, title={Consistent Partial Least Squares Path Modeling}, journal={MIS Quarterly}, year={2015}, volume={39}, number={2}, pages={297--316}, doi={10.25300/MISQ/2015/39.2.02}}@article{benitez2020impactful, author={Benitez, Jose and Henseler, Jörg and Castillo, Ana and Schuberth, Florian}, title={How to Perform and Report an Impactful Analysis Using Partial Least Squares: Guidelines for Confirmatory and Explanatory IS Research}, journal={Information and Management}, year={2020}, volume={57}, number={2}, pages={103168}, doi={10.1016/j.im.2019.05.003}}@article{hair2019rethinking, author={Hair, Joseph F. and Sarstedt, Marko and Ringle, Christian M.}, title={Rethinking Some of the Rethinking of Partial Least Squares}, journal={European Journal of Marketing}, year={2019}, volume={53}, number={4}, pages={566--584}, doi={10.1108/EJM-10-2018-0665}}@article{jarvis2003measurement, author={Jarvis, Cheryl Burke and MacKenzie, Scott B. and Podsakoff, Philip M.}, title={A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research}, journal={Journal of Consumer Research}, year={2003}, volume={30}, number={2}, pages={199--218}, doi={10.1086/376806}}