Konvergente Validität
In diesem Beitrag
Was versteht man unter konvergenter Validität?
Konvergente Validität ist ein Teilaspekt der Konstruktvalidität und beschreibt, in welchem Ausmaß ein Messinstrument (z. B. ein Fragebogen oder eine Skala) hoch mit anderen Instrumenten korreliert, die dasselbe oder ein theoretisch verwandtes Konstrukt messen. Der Begriff geht auf Campbell und Fiske (1959) zurück, die ihn im Rahmen der Multitrait-Multimethod-Matrix (MTMM) eingeführt haben.
Die Grundidee: Wenn zwei verschiedene Messmethoden dasselbe Konstrukt erfassen sollen, müssen ihre Messwerte miteinander übereinstimmen – sie müssen konvergieren. Typischerweise wird dies durch Korrelationskoeffizienten (z. B. Pearson-Korrelation) zwischen den Messungen überprüft. Hohe positive Korrelationen gelten als Hinweis auf konvergente Validität.
In der modernen Messtheorie wird konvergente Validität häufig auch im Rahmen der konfirmatorischen Faktorenanalyse (CFA) bewertet – etwa anhand der durchschnittlich extrahierten Varianz (Average Variance Extracted, AVE), für die ein Mindestwert von 0,50 empfohlen wird.
Daumenregel: AVE für konvergente Validität
Warum ist konvergente Validität für statistische Analysen wichtig?
Konvergente Validität ist ein zentrales Qualitätskriterium bei der Entwicklung und Überprüfung von Messinstrumenten. Sie beantwortet die Frage: Misst mein Instrument das, was es messen soll? Das ist vor allem dann relevant, wenn du in deiner Studie ein neues Messinstrument einsetzt oder ein bestehendes Instrument auf eine neue Stichprobe oder Sprache überträgst.
Konvergente Validität wird dabei immer zusammen mit der diskriminanten Validität betrachtet. Während konvergente Validität fordert, dass ähnliche Konstrukte hoch miteinander korrelieren, verlangt diskriminante Validität, dass unterschiedliche Konstrukte gerade nicht zu stark miteinander korrelieren. Beide Aspekte zusammen belegen, dass ein Messinstrument präzise zwischen Konstrukten unterscheidet.
Praxisbeispiel zu konvergenter Validität
Eine Psychologiestudentin entwickelt für ihre Masterarbeit eine neue Kurzskala zur Messung von Einsamkeit (5 Items). Um die konvergente Validität zu belegen, lässt sie dieselbe Stichprobe (n = 150) zusätzlich die etablierte UCLA Loneliness Scale ausfüllen – ein bewährtes Standardinstrument zur Einsamkeitsmessung.
Anschließend berechnet sie die Korrelation zwischen den Gesamtscores beider Instrumente:
| Instrument | Neue Kurzskala | UCLA Loneliness Scale |
|---|---|---|
| Neue Kurzskala | – | r = .76** |
| UCLA Loneliness Scale | r = .76** | – |
Die Korrelation von r = .76 ist substanziell und statistisch signifikant (p < .01). Dies spricht dafür, dass die neue Kurzskala tatsächlich dasselbe Konstrukt wie die UCLA Loneliness Scale erfasst – die konvergente Validität ist damit gut belegt. Ergänzend prüft die Studentin, dass die Kurzskala nicht ebenso hoch mit einer Skala zur sozialen Angst korreliert, um auch diskriminante Validität nachzuweisen.
