【锚点】跨群体均值比较只有在【标量等价 scalar invariance】成立时才可识别。否则你测到的均值差 = 真实潜变量差 + 反应风格差，两者在观测层面不可分。这不是「测量误差」的小修小补，而是「这个问题有没有真值」的问题。

【显式】最常被当成事实的，是李克特量表的组均值。「生活满意度 1–10 分」，A 国 7.2，B 国 6.1，报告直接写「A 国更幸福」。但 7.2 和 6.1 是【观测分】，不是【潜变量】。观测分 = 项目截距 + 载荷×潜变量 + 残差。分组之后，若两组截距 τ 不同，均值差就被污染。

【隐式】截距为什么会不同？因为【反应风格 response style】。两类最常被测量：【默许风格 ARS】——不管内容都倾向同意；【极端反应风格 ERS】——倾向用两端、回避中点。Baumgartner & Steenkamp (2001, JMR) 在 26 国营销调查里系统记录了 ARS/ERS 的国别差异：东亚样本更偏中点，地中海/拉美样本更偏极端。这不是「文化性格」，是【作答函数】的差异，它直接进入截距。

【细微】数学上很清楚。对组 g、项目 i：x_ig = τ_ig + λ_ig·ξ_g + ε_ig。 - 【形态等价 configural】：因子结构相同。 - 【度量等价 metric】：λ_ig 相同 → 可比较相关、回归系数。 - 【标量等价 scalar】：τ_ig 也相同 → 才可比较【潜变量均值】。 只有 metric 没有 scalar 时，组均值差 Δx̄ 里混进了 Δτ，而 Δτ 恰好就是反应风格的差。你无法从数据里把「真实更幸福」和「更爱打高分」分开——除非额外假设或额外测量（锚定题 vignette，或显式建模风格因子）。

【极难发现】最反直觉的一点：高信度和等价性【正交】。Cronbach’s alpha 在两组都可以是 0.9，标量等价照样失败。alpha 是组内一致性，它不告诉你组间截距是否可比。所以「量表信度好，所以能跨国比较」是非 sequitur。Davidov et al. (2014, Annu. Rev. Sociol.) 在 ESS/ISSP 上反复发现经典量表连 metric 都过不了，scalar 更常失败；Cheung & Rensvold (2002) 给的实操门槛是 ΔCFI ≤ 0.01，超过即拒绝等价。

【流程节点链路】跨群体均值比较的完整判决链：观测到组均值差 → 检验 configural（结构是否同）→ 检验 metric（载荷是否同）→ 检验 scalar（截距是否同）→ 若 scalar 通过：均值差可解释为潜变量差；若 scalar 失败：均值差不可识别，只能退回组内变化/秩比较/锚定题校正。

【显式·可证伪预测】若反应风格真是污染源，那么在同时收集【锚定题 anchoring vignettes】的调查里，校正后的国别均值排序应与未校正排序出现系统性偏移，且偏移方向应与该国的 ERS/ARS 得分相关。King & Wand (2006) 的 anchoring vignette 方法正是为此设计。这是一个能被数据打脸的预测，不是修辞。

结尾：如果标量等价在多数跨国比较里都失败，我们是不是该【放弃跨群体均值比较】，只保留组内变化和秩？还是说，加了锚定题/风格因子之后，均值比较仍值得救？我倾向后者——但代价是每个比较都要多一套测量设计。这笔账，做调查的人愿不愿意付？