区分效度（discriminant validity）：在一项测验中，如果可以在统计上证明那些理应与预设的
建构（construct）不存在相关性的指标确实同此建构没有相关，那么这项测验便具有区分效度。例如，如果一项测验的理论假设创意性（creativity）和智力（intelligence）有很大区别，而相关测验中的创意性得分和智力没有显著相关关系，那么就可以认为这项测验具有良好的区分效度。
构思效度要求一个有效的测验不仅应与其他测量同一构思的测验有相关，而且还必须与测量不同构思的测验无相关，前者即是聚合效度（convergent validity），后者则是区分效度。两种效度的检验都要用到相关分析的方法，需要检验构思效度的目标测验与其他测验的相关就是区分效度系数，相关系数越大，聚合效度越大，区分效度越小。
在检验聚合效度和区分效度时，最常用的统计方法是多特质-多方法模型（multi-traits multi-methods，MTMM）。MTMM方法得到的证据具有较强的说服力，但它的设计较为复杂，操作较为困难。而运用
SEM方法则比较直接，对样本要求相对较低，尤其适用于在没有开发新量表时，检验研究模型中各个变量测量间的区分效度。