Trafność różnicowa – nazywana również trafnością dyskryminacyjną (ang. discriminant validity), jest miarą oceniającą, na ile różne konstrukty latentne są od siebie odrębne i nie mierzą tych samych właściwości lub cech. W analizie SEM trafność dyskryminacyjną można oceniać m.in. za pomocą kryterium Fornella-Larckera, porównując wartości AVE z kwadratami korelacji między konstruktami, lub obliczając macierz HTMT.

AVE > (korelacja)²

Korelację podnosi się tutaj do kwadratu, ponieważ uzyskujemy w ten sposób informację o wspólnej wariancji dwóch konstruktów, którą można porównać z wariancją wyjaśnianą przez dany konstrukt w jego własnych wskaźnikach.  Jeżeli konstrukty dzielą ze sobą więcej wariancji niż dany konstrukt wyjaśnia w swoich własnych wskaźnikach, może to wskazywać na problem z ich rozróżnieniem .

Alternatywną i obecnie często rekomendowaną metodą oceny trafności różnicowej jest wskaźnik HTMT (Heterotrait-Monotrait Ratio). Polega on na porównaniu korelacji pomiędzy wskaźnikami należącymi do różnych konstruktów z korelacjami występującymi w obrębie tych samych konstruktów.  Niższa wartość HTMT wskazuje na lepsze rozróżnienie konstruktów, natomiast wartości przekraczające około 0,85 lub 0,90 mogą sugerować problemy z trafnością dyskryminacyjną .

Analiza trafności różnicowej pomaga upewnić się, że konstrukty w modelu SEM mierzą różne cechy. Brak trafności dyskryminacyjnej może prowadzić do problemów z interpretacją modelu. Przykładowo, kiedy narzędzie mierzy pięć cech osobowości, ale dwie z nich nie spełniają kryterium trafności dyskryminacyjnej, może to oznaczać, że wskaźniki przypisane do tych konstruktów nie rozróżniają ich wystarczająco dobrze. Może to wskazywać na potrzebę ponownej oceny modelu pomiarowego, np. poprzez analizę ładunków czynnikowych, treści pozycji, korelacji między konstruktami lub zasadności utrzymywania dwóch bardzo podobnych zmiennych latentnych.