imported>AxtImHause: /* growthexperiments-addlink-summary-summary:2|0|0 */

2025-02-05T11:40:57Z

growthexperiments-addlink-summary-summary:2|0|0

Neue Seite

'''Diskriminanzvalidität''' ([[Englische Sprache|engl.]] ''discriminant validity''), auch ''diskriminante Validität'', bezeichnet in der [[Multivariate Verfahren|multivariaten Statistik]] einen Teilaspekt der [[Konstruktvalidität]] und liegt vor, wenn sich die Messungen verschiedener [[Konstrukt]]e unterscheiden. Das Konzept der Diskriminanzvalidität wurde von Campbell und Fiske (1959) eingeführt.<ref name="CampbellFiske">D. T. Campbell, D. W. Fiske: ''Convergent and discriminant validation by the multitrait-multimethod matrix.'' Psychological Bulletin, Band 56 1959, S. 81–105, [[doi:10.1037/h0046016]].</ref>

== Feststellung ==
Diskriminanzvalidität muss sowohl auf Konstrukt- als auch Indikatorebene festgestellt werden. Auf Konstruktebene gehören die [[konfirmatorische Faktorenanalyse]] (CFA)<ref>Bagozzi, Yi & Phillips (1991) Assessing construct validity in organizational research. Administrative Science Quarterly, 36, 421-458, {{JSTOR|2393203}}.</ref> und der [[Multitrait-Multimethod-Matrix|Multitrait-Multimethod-Ansatz]]<ref name="CampbellFiske" /> zum methodischen Standardrepertoire. Bei Letzterem werden die Konvergenzvalidität und die Diskriminanzvalidität anhand einer einzigen [[Stichprobe]] miteinander verglichen. Dabei wird verkürzt gesagt erwartet, dass die Konvergenzvalidität größer ist als die Diskriminanzvalidität.

Ein weiteres verbreitetes Verfahren auf Konstruktebene ist die Anwendung des Fornell-Larcker-Kriteriums als Ergebnis eines AVE-SV-Vergleichs: Ist die [[durchschnittlich erfasste Varianz]] (AVE) eines Konstrukts höher als jede quadrierte [[Korrelation]] mit einem anderen Konstrukt (SV), so kann auf Konstruktebene von Diskriminanzvalidität ausgegangen werden.<ref>{{Literatur |Autor=Claes Fornell, David F. Larcker |Titel=Evaluating Structural Equation Models with Unobservable Variables and Measurement Error |Sammelwerk=Journal of Marketing Research |Band=18 |Datum=1981-02 |Seiten=39–50 |JSTOR=3151312}}</ref> (Zu beachten ist hierbei, dass die fehlerkorrigierten Korrelationen zwischen Konstrukten aus dem [[Konfirmatorische Faktorenanalyse|CFA]]-Modell statt der aus den Rohdaten entnommenen Korrelationen verwendet werden.) Dieses Gütemaß hat sich in Simulationsmodellen jedoch bei varianzbasierten Strukturgleichungsmodellen (z. B. PLS) als wenig zuverlässig erwiesen<ref name="henseler2015">J. Henseler, C.M. Ringle, M. Sarstedt, 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]].</ref>, hingegen bei kovarianzbasierten [[Strukturgleichungsmodell]]en (z. B. Amos) auf Konstruktebene als sehr verlässlich.<ref name="voorhees2015">C.M. Voorhees, M.K. Brady, R. Calantone, E. Ramirez, 2016. ''Discriminant validity testing in marketing: an analysis, causes for concern, and proposed remedies.'' Journal of the Academy of Marketing Science, 44 (1), 119–134, [[doi:10.1007/s11747-015-0455-4]].</ref>

Ein neueres Verfahren auf Konstruktebene wurde von Henseler u. a.(2015) vorgestellt und ist als ''heterotrait-monotrait ratio'' (HTMT) bekannt. Es liefert sowohl für varianzbasierte<ref name="henseler2015" /> als auch kovarianzbasierte Strukturgleichungsmodelle zuverlässige Ergebnisse.<ref name="voorhees2015" /> Voorhees et al. (2015) schlagen für letztere eine Kombination von AVE-SV-Vergleich und HTMT-Verfahren vor, wobei als HTMT-Rate der maximale Wert 0.85 vorgeschlagen wird.<ref name="voorhees2015" /> Diskriminanzvalidität auf Indikatorebene lässt sich bspw. per [[Explorative Faktorenanalyse|EFA]] feststellen.

Diskriminanzvalidität ist nur ein Baustein, um die [[Konstruktvalidität]] eines Konstruktes festzustellen. Weitere Bausteine sind [[Konvergenzvalidität]], [[nomologische Validität]] sowie [[Inhaltsvalidität]] auf Basis einer [[Definition]] des Konstrukts. Neben der Validität ist auch die Reliabilität von Bedeutung; sie wird in eindimensionalen Messmodellen üblicherweise als [[tau-äquivalente Reliabilität]] <math>\rho_T</math> (traditionell auch als Cronbachs <math>\alpha</math> bekannt) oder [[kongenerische Reliabilität]] <math>\rho_C</math> (traditionell auch als ''composite reliability'' bekannt) bestimmt.

== Kritik ==
Diskriminanz- und Konvergenzvalidität sind als Bausteine der [[Konstruktvalidität]] weit verbreitet. Ihre Betrachtung wird jedoch vor allem durch [[John R. Rossiter]] kritisiert, indem er anführt, dass die Konstruktvalidität unabhängig von anderen Konstrukten erzielt werden müsse. Er betont die Bedeutung der [[Inhaltsvalidität]] und setzt sie mit Konstruktvalidität gleich. So können Maßnahmen zur Verbesserung von Diskriminanz- und Konvergenzvalidität dazu führen, dass Indikatoren entfernt werden und sich die statistisch messbaren Eigenschaften der Messmodelle dadurch verbessern, sich die Messmodelle gleichzeitig aber vom semantischen Inhalt ihrer Konstrukte entfernen.<ref>John R. Rossiter: ''Content Validity of Measures of Abstract Constructs in Management and Organizational Research.'' British Journal of Management, Band 19 2008, S. 380–388, [[doi:10.1111/j.1467-8551.2008.00587.x]].</ref> Diese Auffassung wurde wiederum von [[Adamantios Diamantopoulos]] kritisiert, der auf die Bedeutung der Diskriminanzvalidität hinweist, da nur damit sichergestellt sei, dass zwei Konstrukte auch wirklich etwas Unterschiedliches messen.<ref>A. Diamantopoulos: ''The C-OAR-SE procedure for scale development in marketing: A comment.'' International Journal of Research in Marketing, Band 22 2005, S. 1–9, [[doi:10.1016/j.ijresmar.2003.08.002]].</ref>

== Quellen ==
<references />

{{SORTIERUNG:Diskriminanzvaliditat}}
[[Kategorie:Multivariate Statistik]]
[[Kategorie:Deskriptive Statistik]]

Diskriminanzvalidität - Versionsgeschichte

imported>AxtImHause: /* growthexperiments-addlink-summary-summary:2|0|0 */