Discriminant Validity. The extracte

Discriminant Validity. The extracted average variances of the latent variable should be greater than the square of the correlations among the latent vari-ables. In other words, more variance should be shared between the latent variable component and its block of indicators than with another block rep-resenting a different block of indicators. Cross-loadings can be another test for discriminant validity, which will testify that each block of indicators loads higher for its respective latent variable than as indicators for other latent vari-ables. If an indicator has a higher correlation with another latent variable, then the appropriateness of the model may be reconsidered

Kết quả (Việt) 1:

Biệt thức tính hợp lệ. Chênh lệch trung bình là chiết xuất của biến tiềm ẩn cần phải lớn hơn của mối tương quan giữa vari-ables tiềm ẩn. Nói cách khác, nhiều phương sai phải được chia sẻ giữa các thành phần biến tiềm ẩn và khối của chỉ số hơn với một chặn đại diện-resenting một khối khác nhau của chỉ số Cross-khi có thể là một thử nghiệm cho hiệu lực biệt thức, sẽ làm chứng rằng mỗi khối chỉ số tải cao đối với biến tương ứng tiềm ẩn hơn là chỉ số cho khác vari-ables tiềm ẩn. Nếu một chỉ báo có một mối tương quan cao với một biến tiềm ẩn, sau đó thích hợp của các mô hình có thể được xem xét lại

Kết quả (Việt) 2:

Hiệu lực phân biệt. Phương sai trung bình chiết xuất của các biến tiềm ẩn nên lớn hơn so với bình phương của các mối tương quan giữa các latent vari-ables. Nói cách khác, đúng hơn nên được chia sẻ giữa các thành phần biến tiềm ẩn và khối của các chỉ số so với khối khác rep-resenting một khối khác nhau của các chỉ số. Cross-tải trọng có thể là một bài kiểm tra tính hợp lệ discriminant, mà sẽ làm chứng rằng mỗi khối chỉ số tải cao hơn cho biến tiềm ẩn tương ứng của nó hơn là các chỉ số tiềm ẩn cho vari-ables khác. Nếu một chỉ tiêu có mối tương quan cao với một biến ẩn, sau đó sự phù hợp của mô hình có thể được xem xét lại