Heterotrait-monotrait nisbah korelasi (HTMT)

Heterotrait-monotrait nisbah korelasi (HTMT)

Penilaian kesahihan diskriminasi telah menjadi prasyarat yang diterima umum untuk menganalisis hubungan antara pemboleh ubah laten. Untuk pemodelan persamaan struktur berasaskan varians, seperti kuadrat paling kurang separa, kriteria Fornell-Larcker dan pemeriksaan beban silang adalah pendekatan yang dominan untuk menilai kesahihan diskriminasi. Walau bagaimanapun, (Henseler, Ringle & Sarstedt, 2015) mencadangkan penggunaan HTMT sebagai satu bentuk baru untuk mengesan kesahihan diskriminasi. Ini kerana kriteria Fornell dan larcker dianggap tepat dalam mengesan kesahihan diskriminasi dalam situasi penyelidikan kontemporari. Selain itu, Henseler, Ringle & Sarstedt, (2015) menunjukkan kelebihan kriteria HTMT dengan proses simulasi Monte Carlo hasilnya menggambarkan bahawa kriteria HTMT mempunyai kadar kepekaan dan kekhususan yang lebih tinggi antara 97-99%, terhadap Fornell larcker yang mempunyai peratusan 20.82%, dan kaedah pemuatan silang 0%. Terdapat dua pendekatan utama untuk mengesan kesahihan diskriminasi apabila menggunakan HTMT. Pendekatan awal memeriksa julat HTMT, yang dicadangkan oleh Kline (2011) sebagai 0.85 manakala (Emas, Malhotra & Segars, 2001) mencadangkan nilai HTMT 0.90 untuk menunjukkan bahawa terdapat cabaran untuk kesahihan diskriminasi jika nilai melebihi ambang yang ditetapkan. Pendekatan kedua, yang sering digunakan semasa mengkaji ujian statistik, jika tahap keyakinan nilai HTMT berkenaan dengan jalur struktur mempunyai nilai 1, ini menggambarkan kekurangan kesahihan diskriminasi. Walau bagaimanapun, jika nilai 1 tidak berada dalam julat jarak maka kesahan diskriminasi dikesan (Henseler, Ringle & Sarstedt, 2015).