روایی واگرا (Discriminant validity) معیاری است که نشان میدهد چقدر سنجههای عوامل متفاوت واقعا باهم تفاوت دارند. در یک پرسشنامه برای سنجش عوامل مختلف سوالات متعددی مطرح میشود بنابراین لازم است که مشخص شود این سوالات از یکدیگر متمایز بوده و باهم همپوشانی ندارند. در مقاله حاضر، «روایی واگرا» مفهومسازی، تعریف و انواع آن بیان خواهد شد.
تعریف روایی واگرا (روایی تشخیصی)
روایی واگرا نشان میدهد چقدر سوالات یک عامل با سوالات سایر عوامل تفاوت دارند. این معیار یکی از معیارهای اصلی برازش مدلهای اندازهگیری در روش PLS است و براساس بارهای عاملی مربوط به گویههای هر سازه تعیین میشود. روایی واگرا بر همبستگی پایین سنجههای یک متغیر پنهان با یک متغیر غیر مرتبط با آن (از نظر پژوهشگر) اشاره دارد.
این معیار در برابر روایی همگرا (Convergent validity) قرار میگیرد و گاهی به عنوان Divergent validity نیز در مقالههای علمی از آن یاد میشود. روایی همگرا به همبستگی سوالات یک سازه باهم اشاره دارد و روایی واگرا بر عدم همبستگی بین سوالات یک سازه با سوالات سازه دیگر دلالت دارد.
یکی از مهمترین مسائل در پژوهشها، تعیین میزان روایی و پایایی ابزار گردآوری دادههای پژوهش است. در بخش اعتبار یا روایی پرسشنامه (Reliability)، پژوهشگر در پی آن است که مشخص سازد آیا یافتههای بدست آمده از پژوهش را میتوان به کل جامعه یا گروههای مشابه آن تعمیم داد یا خیر؟ برخلاف پایایی یا اعتماد که مسئلهایی کمی است و اندازهگیری آن سادهتر است اعتبار پرسشنامه، مسئلهای کیفی است و اندازهگیری و ارزیابی آن مشکلتر است. روایی به این سوال پاسخ میدهد که ابزار اندازهگیری تا چه حد خصیصه مورد نظر را میسنجد.
تحلیل آماری پایاننامه و رساله دکتری
راهنمای تحلیل آماری پایاننامه و رساله دکتری مدیریت:
- تحلیل دادههای آماری با روشهای کمی
- تحلیل و کدگذاری مصاحبه با روشهای کیفی
- تحلیل آماری پایاننامه کارشناسی ارشد
- تجزیهوتحلیل روشهای آمیخته رساله دکتری
روایی تشخیصی چیست؟
منظور از روایی تشخیصی همان روایی واگرا است. در زبان لاتین از دو اصطلاح Discriminant validity و Divergent validity استفاده میشود. این اصطلاح هر دو معادل هم استفاده میشوند و در مقالههای مختلف به جای هم به کار میروند.
در زبان فارسی واژه Discriminant به معنای مشخصکننده یا تفکیک کننده ترجمه میشود. واژه Divergent نیز به صورت منشعب یا واگرا ترجمه میشود. بنابراین هر دو اصطلاح یکسان هستند و روایی تشخیصی چیز جدیدی نیست.
سه نگردد بریشم ار او را —– پرنیان خوانی و حریر و پرند
اگر به ابریشم بگویید پرند، پرنیان و حریر بازهم همان ابریشم خواهد بود.
انواع روشهای برآورد روایی واگرا
در روشهای حداقل مربعات جزیی و مدل معادلات ساختاری چندین روش برای برآورد روایی واگرا وجود دارد:
- ماتریس فورنل-لارکر
- آزمون بارهای عرضی
- شاخص MSV و ASV
- شاخص HTMT
ماتریس فورنل-لارکر
نخستین روش برای سنجش روایی واگرا بوسیله فورنل و لارکر (Fornell & Larcker) به سال ۱۹۸۱ ارائه گردید. یکی روش بارهای عاملی متقابل است که میزان همبستگی بین شاخصهای یک سازه را با همبستگی آنها با سازههای دیگر مقایسه میکند.
کلاس فورنل و دیوید لارکر
بیان کردند روایی واگرا وقتی در سطح قابل قبول است که میزان AVE برای هر سازه بیشتر از واریانس اشتراکی بین آن سازه و سازههای دیگر (یعنی مربع مقدار ضرایب همبستگی بین سازهها) در مدل باشد. بر این اساس روایی واگرای قابل قبول یک مدل اندازهگیری حاکی از آن است که یک سازه در مدل تعامل بیشتری با شاخصهای خود دارد تا با سازههای دیگر.
در روش حداقل مربعات جزئی و مدلیابی معادلات ساختاری، این امر به وسیله یک ماتریس صورت میگیرد که خانههای این ماتریس حاوی مقادیر ضرایب همبستگی بین سازهها و قطر اصلی ماتریس جذر مقادیر AVE مربوط به هر سازه است. در نرمافزار Smart PLS از قسمت Latent Variable Correlations در فایل خروجی استفاده میشود. قطر اصلی هم از مجذور AVE استفاده میشود.
شاخص MSV و MSV
دو شاخص با اهمیت برای ارزیابی روایی واگر عبارتند از:
- شاخص بیشینه مجذور مشترک (MSV)
- شاخص میانگین مجذور واریانس مشترک (ASV)
شاخص حداکثر مجذور مشترک برگردان Maximum Shared Squared Variance است که به اختصار با MSV نمایش داده میشود.
شاخص میانگین مجذور واریانس مشترک برگردان پارسی Average Shared Square Variance که به اختصار با ASV نمایش داده میشود.
MSV < AVE
ASV < AVE
برای تأیید روایی افتراقی باید MSV و ASV کمتر از AVE باشد. اگر همبستگی بین آزمونهایی که مولفه های متفاوتی را اندازهگیری میکند پایین باشد، آزمون ها دارای اعتبار تشخیصی یا واگرا است و روابط زیر بین این سه شاخص برقرار است.
این شاخصها در نرمافزار Smart PLS و LISREL وجود ندارند اما در خروجی نرمافزار AMOS گزارش میشوند.
آزمون بارهای عرضی
آزمون بارهای عرضی (Cross Loading) روشی برای برآورد روایی واگرا در مدلسازی معادلات ساختاری و حداقل مربعات جزئی است. این شاخص بوسیله چین (۱۹۹۸) برای محاسبه روایی واگرای هر سازه در مدل حداقل مربعات جزئی پیشنهاد داد. در خروجی نرمافزار Smart PLS یک ماتریس برای بارهای عرضی ارائه میشود. ردیفهای این ماتریس گویهها هستند و سازهها نیز در ستونها قرار دارند. در ماتریس بارهای عرضی، بار گویههای یک سازه باید بیش از همه بارهای عرضی گویههای دیگر سازهها باشد.
روایی واگرای یگانه-دوگانه HTMT
معیار Heterotrait-Monotrait Ratio یا شاخص HTMT در کانون تحلیل آماری پارس مدیر با عنوان معیار روایی یگانه-دوگانه ترجمه شده است. این معیار توسط هنسلر و همکاران (۲۰۱۵) برای ارزیابی روایی گرا ارائه شده است.
معیار HTMT جایگزین روش قدیمی فورنل-لارکر شده است. حد مجاز معیار HTMT میزان ۰/۸۵ تا ۰/۹ میباشد. اگر مقادیر این معیار کمتر از ۰/۹ باشد روایی واگرا قابل قبول است. امکان محاسبه شاخص HTMT در نرمافزار Smart PLS 3 وجود دارد. برای این منظور باید رویه بوتاستراپینگ کامل را اجرا کنید.
سخن پایانی
در پایان میتوان گفت روایی واگرا نقش کلیدی در اطمینان از تمایز مفهومی سازهها ایفا میکند و نشان میدهد هر سازه، پدیدهای مستقل و متمایز از سایر سازهها را اندازهگیری میکند. توجه به این نوع روایی از همپوشانی ناخواسته مفاهیم جلوگیری کرده و به شفافیت ساختار نظری مدلهای پژوهشی کمک میکند. در نهایت، بررسی دقیق اعتبار تشخیصی موجب افزایش دقت تفسیر نتایج و تقویت اعتبار علمی پژوهشها، بهویژه در مطالعات مدیریتی و علوم اجتماعی، خواهد شد.
فهرست منابع
حبیبی، آرش؛ کلاهی، بهاره. (۱۴۰۱). مدلیابی معادلات ساختاری و تحلیل عاملی. تهران: جهاد دانشگاهی، چاپ دوم.
حبیبی، آرش؛ جلالنیا، راحله. (۱۴۰۱). حداقل مربعات جزئی. تهران: نارون.
نگارنده: پشتیبانی پارسمدیر | 
