Trafność różnicowa
Trafność różnicowa lub też dyskryminacyjna (ang. Discriminant Validity) jest miarą oceniającą, na ile różne konstrukty latentne są od siebie odrębne i nie mierzą tych samych właściwości/cech. W analizie SEM trafność dyskryminacyjną można ocenić, porównując wartości AVE oraz kwadraty kowariancji między konstruktami.
Trafność różnicowa jest uznawana za odpowiednią, gdy wartość AVE dla każdego konstruktu jest większa niż jego korelacje z innymi konstruktami, czyli gdy: AVE > (Korelacja)2
Dlaczego korelację podnosimy tutaj do kwadratu? W celu “zrównania” jej wartości z AVE, która stanowi sumę kwadratów ładunków czynnikowych pozycji przypisanych do zmiennej latentnej.
Analiza trafności różnicowej pomaga upewnić się, że konstrukty w modelu SEM mierzą różne cechy. Brak trafności dyskryminacyjnej może prowadzić do problemów z rozróżnieniem między konstruktami. Przykładowo, kiedy nasze narzędzie mierzy pięć cech osobowości, ale dwie z nich nie spełniają kryterium trafności dyskryminacyjnej (np. Ekstrawersja i Neurotyzm), możemy powiedzieć że nasze pozycje testowe dla obu zmiennych mierzą zarówno Ekstrawersję, jak i Neurotyzm w tym samym czasie. Nie wiemy zatem z której perspektywy udziela nam odpowiedzi osoba badana w momencie badania.
Brak spełnienia trafności dyskryminacyjnej, wskazuje na potrzebę modyfikacji modelu np. poprzez redukcję słabszych pozycji mierzących jakiś czynnik (podniesienie AVE) lub usunięcie jednej zmiennej latentnej.
Należy pamiętać, że trafność różnicowa dla pełniejszej analizy powinna być oceniana wraz z trafnością zbieżną.
