Среднее отклонение извлечено - Average variance extracted

AVE рассчитывается на основе аналогичной модели измерения.

В статистика (классическая теория тестирования ), извлеченная средняя дисперсия (AVE) - это мера величины отклонения, которое фиксируется конструкцией, по отношению к величине отклонения из-за ошибки измерения.^[1]

История

Извлеченная средняя дисперсия была впервые предложена Fornell & Larcker (1981).^[1]

Расчет

Извлеченную среднюю дисперсию можно рассчитать следующим образом:

${\displaystyle {\text{AVE}}={\frac {\sum _{i=1}^{k}\lambda _{i}^{2}}{\sum _{i=1}^{k}\lambda _{i}^{2}+\sum _{i=1}^{k}\operatorname {Var} (e_{i})}}}$

Здесь, ${\displaystyle k}$ это количество предметов, ${\displaystyle \lambda _{i}}$ то факторная нагрузка пункта ${\displaystyle i}$ и ${\displaystyle \operatorname {Var} (e_{i})}$ то отклонение ошибки товара ${\displaystyle i}$.

Роль для оценки дискриминантной валидности

Извлеченная средняя дисперсия часто использовалась для оценки дискриминантная действительность на основе следующего «практического правила»: на основе скорректированных корреляций из CFA модели, AVE каждой из латентных конструкций должен быть выше, чем самый высокий квадрат корреляции с любой другой скрытой переменной. В этом случае дискриминантная достоверность устанавливается на уровне построения. Это правило известно как критерий Форнелла – Ларкера. Однако в имитационных моделях этот критерий не оказался надежным для модели структурных уравнений на основе дисперсии (например, PLS).,^[2] но для модели структурных уравнений на основе ковариации (например, Амос) только.^[3] Альтернативой критерию Форнелла – Ларкера, который можно использовать для обоих типов моделей структурных уравнений для оценки дискриминантной валидности, является критерий соотношение гетеротайтов-моноресностей (HTMT).^[2]

Связанные коэффициенты

Связанные коэффициенты тау-эквивалентная надежность (${\displaystyle \rho _{T}}$; традиционно известный как "Кронбаховский ${\displaystyle \alpha }$") и сходная надежность (${\displaystyle \rho _{C}}$; также известная как совокупная надежность), которая может использоваться для оценки надежности тау-эквивалента и аналогичных модели измерения, соответственно.

Рекомендации

1. Форнелл и Ларкер (1981), https://www.jstor.org/stable/3151312
2. Хенселер, Дж., Рингл, К. М., Сарштедт, М., 2014. Новый критерий оценки дискриминантной валидности в моделировании структурных уравнений на основе дисперсии. Журнал Академии маркетинговых наук 43 (1), 115–135.
3. Вурхиз, К. М., Брэди, М. К., Калантоне, Р., Рамирес, Э., 2015. Тестирование дискриминантной валидности в маркетинге: анализ, причины для беспокойства и предлагаемые средства правовой защиты. Журнал Академии маркетинговых наук 1–16.