Интересное сегодня
Что такое дискриминантная валидность
Дискриминантная валидность (также известная как дивергентная валидность) — это степень, в которой показатель (тест или шкала) не коррелирует сильно с показателями других, не связанных между собой конструктов. В научном контексте конструкт — это поведение, установка или концепция, которые, как правило, нельзя наблюдать непосредственно (например, интеллект, мотивация или уровень тревожности).
Ключевые выводы
- Дискриминантная валидность является одним из типов доказательств, используемых для оценки валидности конструкта.
- Она критически важна для того, чтобы убедиться, что тест измеряет именно тот параметр, который задуман, и не путает его с другими близкими понятиями.
- Это помогает исследователям избежать ложной интерпретации результатов, доказывая, что наблюдаемые эффекты специфичны для изучаемого конструкта.
Методы оценки дискриминантной валидности
Основной метод — изучение коэффициентов корреляции (статистической связи) между исследуемым тестом и тестами на другие конструкты. Слабые или низкие корреляции, стремящиеся к нулю, указывают на хорошую дискриминантную валидность. Такие показатели называют коэффициентами дискриминантной валидности.
Пример: Тест на интроверсию должен иметь слабую корреляцию с тестом на математические способности, так как это принципиально разные психологические характеристики. Если корреляция высокая, это означает, что тест на интроверсию «загрязнен» и, возможно, измеряет общий интеллект вместо интроверсии.
Дискриминантная vs Конвергентная валидность
Обе эти характеристики необходимы для установления общей валидности конструкта. Их можно сравнить так:
- Конвергентная валидность: проверяет, коррелирует ли ваш тест с другими тестами того же самого конструкта.
- Дискриминантная валидность: проверяет, что ваш тест не коррелирует с тестами других, теоретически отличных конструктов.
Процесс оценки валидности
Оценка дискриминантной валидности — это не «да или нет», а вопрос степени. Процесс включает:
- Определение конструктов: Четко сформулируйте, что измеряет ваш тест, а что — нет.
- Выбор валидных мер: Используйте проверенные шкалы для сравнения, чтобы не получить ошибочные данные.
- Анализ корреляций: Обычно корреляции ниже 0.3 считаются приемлемыми для подтверждения различий.
- Матрица МТММ (Multitrait-Multimethod Matrix): Мультитрайт-мультиметодологическая матрица — сложный статистический метод, позволяющий оценить валидность при использовании разных методов измерения для разных свойств.
Ограничения и современные подходы
Главная проблема оценки через корреляции — влияние «шума» и ошибок измерения. Ошибки измерения (недостоверность шкалы) могут искусственно занижать или завышать корреляции. Также важно помнить о ограничении диапазона — если в вашей выборке слишком мало разнообразия (например, все респонденты очень похожи по уровню IQ), корреляции будут искажены.
Современные исследователи отходят от простой математической статистики в сторону анализа когнитивных процессов. Это включает интервью с респондентами (think-aloud protocols — протоколы «мыслей вслух»), чтобы понять, как именно люди интерпретируют вопросы теста. Действительно ли они отвечают на то, что мы планировали измерить?
Для обеспечения высокого качества исследования необходимо:
- Использовать аргументативный подход к валидации.
- Учитывать контекст популяции (результаты на студентах могут не работать на топ-менеджерах).
- Контролировать дисперсию метода (когда один метод, например, анкетирование, сам по себе создает связь между не связанными конструктами).
В итоге, дискриминантная валидность — это непрерывный процесс оценки. По мере развития науки наши определения конструктов меняются, а значит, должны постоянно обновляться и способы их измерения.
