Buongiorno Dottoressa Ceccoli.
Mi inserisco nel solco della risposta, già esauriente, della collega e amica Prof.ssa Raimondo per integrarla con alcune, forse inutili, considerazioni.
La prima considerazione è di natura metodologica: la validità discriminante (VD) viene testata in sede di modello di misura delle variabili latenti che saranno successivamente utilizzate nella stima del modello strutturale. In linguaggio SEM, in sede di CFA, ovvero attraverso un modello che non ipotizza alcun tipo di legame fra fattori latenti. Come lei utilizzerà questi costrutti in sede di stima delle relazioni causali fra i medesimi, se saranno cioè inseriti in un modello del primo, del secondo o addirittura del terzo ordine, in questa fase è semplicemente irrilevante. Ne discende che lei non può retrofittare in sede di analisi della VD considerazioni di natura causale che entreranno in gioco in una fase successiva del processo di modellizzazione.
Venendo al merito del processo di stima della VD vera e propria, il mio suggerimento è comunque quello di utilizzare un approccio tripartito. Mi permetto di citarmi e di rimandarla all’articolo seguente:
Fini, R., Grimaldi, R., Marzocchi, G. L., & Sobrero, M. (2012). The Determinants of Corporate Entrepreneurial Intention within Small and Newly Established Firms. Entrepreneurship Theory and Practice, 36(2), 387–414. https://doi.org/10.1111/j.1540-6520.2010.00411.x
Lo può scaricare senza difficoltà da Google Scholar. Il lavoro utilizza una struttura causale abbastanza complessa, con numerosi fattori del second’ordine. Della stima della validità del modello di misura mi sono occupato io in prima persona. Nella sezione “Results” scrivevo:
We also verified the discriminant validity of the constructs using a three-pronged approach. First, we computed the 95% confidence interval for each off-diagonal element of the phi matrix, showing that in no case does the interval include the value of 1.00.Second, we compared our model with a series of more restricted models with the correlation between each pair of latent constructs (or traits), for one pair of constructs at a time, constrained to unity. The significant differences in chi-square, between the null model and the more restricted ones, point to a rejection of the hypothesis that any two constructs are not mutually distinct. Finally, we determined that the average variance extracted by each latent variable’s measure was larger than its shared variance with any other latent variable, thus showing the absence of significant problems due to random measurement error(Fornell & Larcker, 1981).
In breve: non utilizzi solo Fornell & Larcker. Io personalmente trovo gli altri due metodi, in particolare il test del chi quadro con 1 grado di libertà (3,84), più eleganti e probanti. In ogni caso li uso sempre congiuntamente.
Grazie per l’attenzione, a presto
Gian Luca Marzocchi
