شاخص روایی واگرا HTMT

شاخص روایی واگرا HTMT

همانطور که در دوره های مدل سازی معادلات ساختاری واریانس محور با نرم افزار SMART PLS در آکادمی تحلیل آماری ایران بیان شد برای اینکه اصالت داده های جمع آوری شده در یک پژوهش توسط ابزار های جمع آوری اطلاعات ، بررسی شود باید ابتدا بررسی کرد آیا داده های جمع آوری شده از پرسش نامه پژوهش دارای روایی است یا خیر؟ روایی یعنی ابزار محقق همان چیزی را بسنجد که قرار بوده مورد سنجش قرار دهد. همانطور که در کلاس ها آموزش داده شده روایی سازه بعد از جمع آوری داده ها در کنار روایی ظاهری و روایی محتوا که پیش از جمع آوری داده ها توسط محقق روایی ابزار ما را می سنجد، مهمترین شاخص کیفیت سنجی یک پژوهش است. روایی سازه به دو بخش روایی واگرا و همگرا طبقه بندی می شود و در کلاس ها بیان شد که متاسفانه تحقیقات ایران به صورت اسمی این روایی را دارند اما متاسفانه در طی تحقیق موسسه آکادمی تحلیل آماری ایران روی 3200 رساله دکتری کاملا خلا وجود آن و نحوه ارزیابی درست آن مشاهده می شود. اما در بین این دو دسته روایی واگرا از وضعیت نابسامان تری برخوردار است و اتفاقا معنای علمی روایی یا اعتبار ابزار در همین بخش خلاصه می شود. از سال ها پیش در بخش مدل سازی واریانس محور شاخص های مشهوری مثل بارهای عرضی و آزمون فورنل و لارکر این روایی یعنی اعتبار تشخیصی یا واگرا را مورد سنجش قرار می دهد. اما این دو آزمون نقص هایی به همراه دارند که در کلاس ها به صورت تفصیلی برای عزیزان این موارد بحث شد. اما در سال 2015 هنسلر و همکارانش شاخص یا آزمونی را ارائه کردند که به سرعت جای خود را در داوری های ژورنال ها باز نمود و اکنون به جرئت میتوان بیان کرد که مدل سازی معادلات ساختاری واریانس محور بدون آن فاقد اعتبار است و آن شاخص روایی واگرا HTMT یا شاخصmultitrait-multimethod matrix ماتریس چند خصیصه و چند روش است. دوستان در کلاس ها علاقه داشتند با مقاله ای که این معیار جدید و نجوه محاسبه آن را ارائه نمود آشنا شوند بنابراین در این مقاله این مقاله را در اختیار عزیزان قرار دادیم . البته در کتاب اسمارت پی ال اس دکتر محسن مرادی ترجمه این مقاله به زبانی ساده با مثال قرار گرفته که در اختیار عزیزان قرار خواهد گرفت.

محسن مرادی

A new criterion for assessing discriminant validity in variance-based structural equation modeling

Jörg Henseler & Christian M. Ringle & Marko Sarstedt

 

Abstract Discriminant validity assessment has become a generally accepted prerequisite for analyzing relationships between latent variables. For variance-based structural equation modeling, such as partial least squares, the Fornell- Larcker criterion and the examination of cross-loadings are the dominant approaches for evaluating discriminant validity. By means of a simulation study, we show that these approaches do not reliably detect the lack of discriminant validity in common research situations. We therefore propose an alternative approach, based on the multitrait-multimethod matrix, to assess discriminant validity: the heterotrait-monotrait ratio of correlations.We demonstrate its superior performance by means of a Monte Carlo simulation study, in which we compare the new approach to the Fornell-Larcker criterion and the assessment of (partial) cross-loadings. Finally, we provide guidelines on how to handle discriminant validity issues in variance-based structural equation modeling.

دانلود متن کامل مقاله

 

از کپی کردن مطالب سایت یا کانال بدون ذکر منبع خودداری شود.

آدرس کانال تلگرام: https://telegram.me/analysisacademy

 

 

 مقالات مرتبط

آزمون مدل کلی PLS

بوت استرپینگ چیست؟

تعیین میزان اثرمتغیر تعدیلگر دو ارزشی در نرم افزار اسمارت پی ال اس

معادلات ساختاری مبتنی بر واریانس یا مبتنی بر کواریانس؟