HTMT vs Fornell-Larcker: przewodnik po trafności różnicowej
Ta strona jest tłumaczeniem zrecenzowanego angielskiego oryginału. Zobacz oryginał (EN)
HTMT vs Fornell-LarckerAndrzej Szymkowiak · Ostatnia aktualizacja: październik 2026

Recenzent właśnie napisał: „Pokaż, że twoje konstrukty są odrębne." Oto dokładnie, jak to zrobić i którego testu użyć. Trafność różnicowa zadaje proste pytanie: czy dwa konstrukty w twoim modelu są naprawdę różne od siebie? Jeśli dwa czynniki to niemal to samo, twój model jest w kłopocie. Przez lata badacze sprawdzali to kryterium Fornella-Larckera. Dziś większość recenzentów preferuje wskaźnik HTMT. Ten przewodnik wyjaśnia obie metody prostym językiem, pokazuje poprawne progi i pomaga zdecydować, którą raportować.
Co oznacza trafność różnicowa
Powiedzmy, że mierzysz „zaufanie" i „satysfakcję" pozycjami ankietowymi (po pomoc w wyborze zwalidowanych skal zobacz jak znaleźć zwalidowaną skalę). Trafność różnicowa jest potwierdzona, gdy pozycje zaufania trzymają się razem jako zaufanie, pozycje satysfakcji trzymają się razem jako satysfakcja, a dwa czynniki są wyraźnie odrębne. Jeśli zaufanie i satysfakcja korelują niemal idealnie, możesz mierzyć jeden konstrukt pod dwiema nazwami. Zwykle sprawdzasz to zaraz po potwierdzeniu modelu pomiarowego z twojej CFA.
Metoda 1: Kryterium Fornella-Larckera
Kryterium Fornella-Larckera (Fornell i Larcker, 1981) porównuje wariancję każdego czynnika w jego własnych pozycjach z wariancją, którą dzieli z innymi czynnikami.
Reguła: dla każdego czynnika pierwiastek kwadratowy z jego AVE musi być większy niż jego korelacja z każdym innym czynnikiem.
- AVE (average variance extracted) to ilość wariancji, którą czynnik wyjaśnia, średnio w swoich pozycjach. AVE powinno być ≥ .50 (Fornell i Larcker, 1981; Hair i in., 2019).
- Bierzesz pierwiastek kwadratowy z każdego AVE i umieszczasz go na przekątnej tabeli korelacji czynników.
- Poza przekątną umieszczasz korelacje między czynnikami.
- Dla trafności różnicowej każda wartość na przekątnej musi być większa niż pozostałe wartości w jej wierszu i kolumnie.
Przykład krok po kroku. Zaufanie ma AVE = .64, więc √.64 = .80. Satysfakcja ma AVE = .58, więc √.58 = .76. Korelacja między zaufaniem a satysfakcją wynosi .55. Ponieważ .80 i .76 są oba większe niż .55, kryterium Fornella-Larckera jest spełnione.
Metoda 2: Wskaźnik HTMT
HTMT oznacza heterotrait-monotrait ratio of correlations (Henseler, Ringle i Sarstedt, 2015). Prostymi słowami, porównuje średnią korelację pozycji pomiędzy dwoma różnymi czynnikami ze średnią geometryczną średnich korelacji pozycji wewnątrz każdego z dwóch czynników (nie z pojedynczą średnią wewnątrz czynnika). Jeśli pozycje korelują niemal tak silnie między czynnikami jak wewnątrz własnego czynnika, czynniki nie są odrębne.
Reguła:
- HTMT < .85 potwierdza trafność różnicową (próg rygorystyczny).
- HTMT < .90 to bardziej liberalny próg, stosowany, gdy dwa konstrukty są koncepcyjnie bliskie.
- Wartość równa .90 lub wyższa sygnalizuje problem z trafnością różnicową.
Możesz też przetestować HTMT bootstrapowym przedziałem ufności. Jeśli przedział nie zawiera 1, trafność różnicowa jest potwierdzona. Test jest jednostronny, więc odczytujesz górną granicę dwustronnego przedziału 90%, czyli jednostronną granicę 95% (Henseler i in., 2015, s. 123, przypis 8). Bardziej rygorystyczna wersja testuje, czy ta górna granica pozostaje poniżej progu (na przykład .85 lub .90), a nie tylko poniżej 1 (Franke i Sarstedt, 2019).
Przykład krok po kroku. Dla zaufania i satysfakcji wartość HTMT wynosi .74. Ponieważ .74 jest poniżej rygorystycznego progu .85, trafność różnicowa jest potwierdzona. Bootstrapowy 90% przedział ufności [.61, .83] nie zawiera 1, co potwierdza wynik.
Dlaczego HTMT jest dziś preferowane
Badania symulacyjne pokazały, że kryterium Fornella-Larckera często nie wykrywa braku trafności różnicowej, zwłaszcza gdy ładunki wskaźników w obrębie konstruktu różnią się tylko nieznacznie. W takich przypadkach Fornell-Larcker mówi „wszystko w porządku", gdy konstrukty są w rzeczywistości zbyt podobne. HTMT wykrywa te problemy znacznie bardziej niezawodnie (Henseler, Ringle i Sarstedt, 2015). Dlatego wiele czasopism i recenzentów prosi teraz o HTMT.

Porównanie obok siebie
| Fornell-Larcker | HTMT | |
|---|---|---|
| Co porównuje | √AVE vs korelacje czynników | korelacje pozycji między vs wewnątrz czynników |
| Próg | √AVE > korelacje | < .85 (rygorystyczny) lub < .90 (liberalny) |
| Czułość | może przeoczyć realne problemy | bardziej czuły, wykrywa je |
| Test przedziału ufności | nie | tak (bootstrap CI powinien wykluczać 1) |
| Aktualna preferencja | starszy, wciąż spotykany | preferowany dziś |
Który powinieneś raportować?
Raportuj HTMT jako główny dowód, ponieważ jest to silniejszy test i recenzenci coraz częściej go oczekują. Możesz też dołączyć tabelę Fornella-Larckera, ponieważ wielu czytelników nadal dobrze ją zna. Raportowanie obu jest bezpieczne i powszechne w aktualnych pracach. Cokolwiek wybierzesz, podaj próg, którego użyłeś, i pokaż wartości, najlepiej w tabeli.
Krótkie zdanie w stylu APA:
Trafność różnicową oceniono wskaźnikiem HTMT. Wszystkie wartości HTMT były poniżej rygorystycznego progu .85 (maksymalna = .74), a żaden bootstrapowy przedział ufności nie zawierał 1, co potwierdza trafność różnicową.
Co zrobić, gdy HTMT jest zbyt wysokie
Wysokie HTMT (równe twojemu progowi lub wyższe) nie zawsze oznacza, że musisz usunąć konstrukt. Najpierw sprawdź, czy dwa konstrukty są koncepcyjnie bliskie — jeśli tak, bardziej liberalny próg .90 może być do obronienia i powinieneś powiedzieć dlaczego. Następnie zbadaj pozycje: pojedyncza pozycja, która ładuje krzyżowo lub dzieli brzmienie z innym czynnikiem, może zawyżać HTMT, a jej przeredagowanie lub usunięcie (z podanym powodem) może pomóc. Jeśli dwa czynniki nadal mocno się nakładają, rozważ, czy nie są naprawdę jednym konstruktem lub czy czynnik wyższego rzędu nie wyjaśnia ich obu. Uruchom test wnioskowania bootstrap (Franke i Sarstedt, 2019), by zobaczyć, czy górna granica ufności przekracza próg; oszacowanie punktowe tuż za linią z przedziałem ufności, który pozostaje poniżej niej, opowiada inną historię niż wyraźna porażka. Cokolwiek zdecydujesz, zaraportuj zmianę i uzasadnienie, nie tylko finalną czystą tabelę. Pełny przewodnik krok po kroku — diagnoza, test bootstrap i poprawki, które przetrwają recenzję — zobacz HTMT powyżej 0.90: co zrobić.
Częste błędy, których należy unikać
- Raportowanie tylko Fornella-Larckera, gdy czasopismo oczekuje HTMT.
- Traktowanie .85 i .90 jako wymiennych bez podania, którego użyłeś i dlaczego.
- Pomijanie kontroli AVE — obie metody zakładają AVE ≥ .50.
- Odczytywanie przedziału ufności HTMT tylko wobec 1, gdy bardziej rygorystyczny test porównuje górną granicę z progiem.
- Dodawanie zera wiodącego do HTMT, AVE lub korelacji (pisz .74, nie 0.74).
Uwaga o AVE
Obie metody zależą od AVE, więc najpierw upewnij się, że AVE każdego czynnika wynosi ≥ .50 (Fornell i Larcker, 1981; Hair i in., 2019). Jeśli AVE jest poniżej .50, czynnik nie wyjaśnia, średnio w swoich pozycjach, nawet połowy ich wariancji i trudno o trafność różnicową, niezależnie od używanej metody.
Najczęściej zadawane pytania
Czy HTMT jest lepsze niż Fornell-Larcker?
Dla większości badań tak. Prace symulacyjne pokazują, że kryterium Fornella-Larckera może przeoczyć realny brak trafności różnicowej, podczas gdy HTMT wykrywa go bardziej niezawodnie (Henseler, Ringle i Sarstedt, 2015). Raportowanie HTMT jako głównego testu, a Fornella-Larckera jako znanego drugiego widoku, to bezpieczny wybór.
Jaka jest dobra wartość HTMT?
Poniżej .85 to rygorystyczny próg i wyraźnie potwierdza trafność różnicową. Poniżej .90 to bardziej liberalny próg dla koncepcyjnie bliskich konstruktów. Wartość równa .90 lub wyższa sygnalizuje problem, który powinieneś wyjaśnić lub naprawić.
Czy nadal muszę raportować Fornella-Larckera?
Nie zawsze, ale wielu recenzentów i czytelników nadal oczekuje, że go zobaczy. Dołączenie obu tabel kosztuje mało miejsca i unika prośby uzupełniającej. Jeśli raportujesz tylko jeden, niech to będzie HTMT.
Co mówi mi przedział ufności HTMT?
Bootstrapowy przedział ufności, który nie zawiera 1, potwierdza trafność różnicową. Bardziej rygorystyczny test wnioskowania sprawdza, czy górna granica pozostaje poniżej twojego progu, takiego jak .85 lub .90 (Franke i Sarstedt, 2019).
Czy Explonia może obliczyć HTMT za mnie?
Tak. Explonia zwraca HTMT, tabelę Fornella-Larckera i AVE z twojego modelu CFA lub PLS-SEM, a HTMT pojawia się też w CB-SEM i w zakładce Reliability. Każda para jest pokazana wobec obu progów, .85 i .90. Przy bootstrapie (zawsze w PLS-SEM, opcjonalnie w CB-SEM i Reliability) werdykt opiera się na górnej granicy jednostronnego 95% przedziału. Zakładka CFA nie ma bootstrapu, więc jej werdykt opiera się na wartości punktowej i jest tak oznaczony.
References
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.2307/3151312
Franke, G., & Sarstedt, M. (2019). Heuristics versus statistics in discriminant validity testing: A comparison of four procedures. Internet Research, 29(3), 430–447. https://doi.org/10.1108/IntR-12-2017-0515
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage.
Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
Jak Explonia robi to za ciebie
Explonia oblicza zarówno HTMT, jak i tabelę Fornella-Larckera z twojego modelu CFA lub PLS-SEM, wraz z AVE. HTMT jest też pokazywane w CB-SEM i w zakładce Reliability. Każda para jest odczytywana wobec obu progów, .85 i .90, byś mógł dostrzec problemy na pierwszy rzut oka; progu nie zmienia się w ustawieniach. Przy bootstrapie (zawsze w PLS-SEM, opcjonalnie w CB-SEM i Reliability) werdykt opiera się na górnej granicy jednostronnego 95% przedziału (Franke i Sarstedt, 2019). W zakładce CFA, która nie ma bootstrapu, werdykt opiera się na wartości punktowej. Funkcja „Article description" przygotowuje zdanie w stylu APA z twoimi rzeczywistymi liczbami, które następnie edytujesz i zachowujesz jako własne. Możesz wyeksportować tabele do Worda, R, SPSS/.sav, AMOS lub LaTeX. Jeśli obecnie używasz SmartPLS do PLS-SEM, zobacz jak Explonia wypada w porównaniu z SmartPLS. Dowiedz się więcej o naszych metodach HTMT.
Chcesz sprawdzić trafność różnicową w kilka minut? Uruchom HTMT i Fornella-Larckera w Explonii i otrzymaj gotowe do edycji zdanie wyników. Zacznij za darmo →
Jak cytować ten artykuł
Jeśli ten artykuł pomógł w Twoich badaniach, możesz go zacytować (APA 7):
Szymkowiak, A. (2026). HTMT vs Fornell-Larcker: przewodnik po trafności różnicowej. Explonia. https://explonia.com/pl/blog/htmt-vs-fornell-larcker/
Last updated: październik 2026
Przeprowadź całe badanie w jednym miejscu
Zaprojektuj je, zbierz dane i policz prawdziwe CFA oraz SEM na własnych danych — z gotowym akapitem APA, który możesz edytować. Start za darmo.
Zacznij za darmo