HTMT là tỷ lệ của mối tương quan giữa các đặc điểm với mối tương quan
bên trong các đặc điểm, trung bình của tất cả các mối tương quan của các biến quan
sát trong từng biến nghiên cứu với biến nghiên cứu khác (gọi là mối tương quan đặc
điểm dị biệt). Trong phân tích, HTMT được so sánh với số trung bình các tương quan
bình quân của các biến quan sát đo lường một biến nghiên cứu (nghĩa là mối tương
quan đặc điểm dị biệt – đặc điểm đơn nhất). Về mặt kỹ thuật, HTMT dự báo mối
tương quan thật sự có thể tồn tại giữa 2 biến nghiên cứu nếu chúng được đo lường
một cách hoàn hảo. Sự tương quan này cũng đề cập đến các mối tương quan mạnh
giữa hai biến nghiên cứu (tương quan gần đến 1), phản ánh sự thiếu giá trị phân biệt.
+ Khi hệ số HTMT > 0,9: hai biến nghiên cứu thiếu giá trị phân biệt
+ Khi HTMT  0,85: hai biến nghiên cứu được đánh giá một cách khái quát là
có nhiều sự phân biệt.
Do PLS-SEM không phụ thuộc vào giả định phân phối nào của dữ liệu (không
yêu cầu dữ liệu phân phối chuẩn), các kiểm định thông số ý nghĩa thống kê tiêu chuẩn
không được áp dụng dù các thông số này khác 1. Vì vậy, có thể sử dụng thủ tục tái
lập và phóng đại số mẫu (bootstrapping). Trong thủ tục này, các mẫu phụ sẽ được tạo
lập ngẫu nhiên với sự thay thế từ dữ liệu gốc. Mỗi một mẫu phụ sẽ được dùng để ước
lượng mô hình. Việc này sẽ được lặp lại cho đến khi số lượng mẫu phụ lớn được tạo
ra (thường khoảng 5000 mẫu), các tham số ước lượng sẽ dựa trên mẫu phụ tái lập
(thông số HTMT) được rút ra từ sai số chuẩn của ước lượng. Với thông tin này sẽ cho
biết khoảng ước lượng tin cậy (KTC) của ước lượng bootstrap (khoảng mà giá trị thật
tổng thể HTMT sẽ rơi vào, ví dụ 95%). Khi đó KTC có chứa giá trị 1 sẽ cho biết thiếu
giá trị phân biệt. Ngược lại, nếu giá trị 1 nằm ngoài KTC, có thể kết luận hai biến
nghiên cứu phân biệt nhau về mặt dữ liệu thống kê.