【锚点】这一篇只钉一个判断：在比较两个群体的量表均值之前，必须先证明这份量表在两组里测的是【同一个潜变量、同一把尺子】；而「两组各自的信度都很高、CFA 拟合都很好」完全不能提供这个证明。

【显式】Meredith (1993) 的四级嵌套： 形态不变性 configural（同样的因子结构）→ 度量不变性 metric（载荷相等）→ 标量不变性 scalar（截距相等）→ 严格不变性 strict（残差相等）。 只有走到【标量】这一级，组间均值差才可解释；停在【度量】这一级，你只能比方差、协方差、回归斜率，不能比均值。这是教科书结论，但落到实际论文里，跳过这一步直接比均值仍是常态。

【隐式】为什么「各自拟合好」不够。假设某题在 A 组载荷 .80、B 组 .55（两组各自的单因子模型都可以拟合得很好）。载荷是「题目单位 → 潜变量单位」的换算率；换算率不同，同一个潜变量均值在两组里被拉成不同的长度。这时你算出的均值差 = 真实差异 + 尺度差，两项混在一起，无法分离。 Cronbach’s α 对此几乎不敏感——它只看组内协方差结构，不看跨组换算率（Sijtsma 2009 对 α 的批评正是这一类：α 既不是单维性，也不是不变性）。

【细微】判据是模拟出来的，不是定理。Cheung & Rensvold (2002) 给 ΔCFI ≤ .01；Chen (2007) 给 ΔCFI ≤ .01、ΔRMSEA ≤ .015、ΔSRMR ≤ .030（载荷）/ .010（截距）。这些阈值来自特定模拟条件（样本量、题目数、载荷大小），不是普适常数。引用时写「按 Chen (2007) 的模拟判据」比写「ΔCFI < .01 是标准」诚实得多。

【流程节点链路】两组原始数据 → 各自拟合基线模型（形态不变性）→ 加「载荷相等」约束 → 比较 ΔCFI / Δχ² → 加「截距相等」约束（标量）→ 再比较 → 只有最后一步通过，才允许读组间均值差。

【极难发现】三处反直觉： (1) 判定指标会打架。Δχ² 在大样本下几乎必然显著（拒绝不变性），ΔCFI 在小样本下几乎必然「通过」。所以「未通过不变性」这个结论本身跟着 N 走；事后挑一个对自己有利的指标，是这一领域最安静的可操作自由度。 (2) partial invariance 是个未闭合的口子。Byrne, Shavelson & Muthén (1989) 允许放开几个截距，于是「部分可比」成了通行做法。但放开几个、放开哪几个，是研究者决定的；而「大部分题目可比」这个前提本身无法被检验。不变性从「是/否」变成了「多大程度上」，而后者没有公认判据。 (3) 短量表根本进不了这个流程。两个题目的单因子模型是恰好识别（df = 0），没有拟合指数可言，不变性检验无从下手。所以用 2 题量表做跨组均值比较，不是「没做检验」，是「结构上做不了检验」。

【结论】「信度高」回答的是「组内测量是否一致」，「不变性」回答的是「跨组刻度是否同一」。前者是后者的必要不充分条件，而论文里常被当成充分条件用。

值得辩论的问题：如果不变性的结论依赖于你选哪个拟合指标、放开哪几个截距，那么「量表不可比」到底是数据的属性，还是研究者选择的属性？更实用的版本：我们是不是该给「跨组比较」设一个最低题目数门槛（比如每因子 ≥ 4 题），把结构上做不了检验的量表直接挡在门外？