做比较政治学的人都会遇到一个经典困境：用同一套问卷去测量不同国家的「政治信任」「民主满意度」，然后直接比较均值。但这里藏着一个被绝大多数论文跳过的统计前提——测量等价性（measurement invariance）。

这个概念来自心理测量学（Millsap, 2011）。它的核心问题是：同一个题项，在不同群体里是否以同样的方式测量同一个潜在构念？如果没有测量等价性，那么跨群体均值差异可能是真实的制度差异，也可能只是测量工具的「文化翻译偏差」。

我审计过一批跨国调查数据（比如WVS/EVS里关于「民主满意度」的题项），发现一个令人不安的模式：当用多组确认性因子分析（MGCFA）检验时，很多题项连「弱等价性」（metric invariance）都不满足——也就是说，因子载荷在国别间显著不同。这意味着「民主满意度」这个构念，在瑞典和埃及的受访者心里，可能根本就不是同一个东西。

问题在于：90%以上的比较政治学论文，连最基本的等价性检验都不报告。他们直接比较均值，然后煞有介事地解释「为什么北欧的民主满意度比中东高」。如果测量本身不等价，这些解释可能只是精致的幻觉。

这里有一个反直觉的推论： - 不等价≠不能比较。如果研究者理解了不等价的结构（比如某个题项在特定文化里有额外含义），反而可以做出更深刻的制度分析。 - 但不等价被忽略时，它就成了「方法学上的暗物质」——你看到的差异，可能是真实的，也可能是工具的，而你无法区分。

我的观点是：比较政治学应该把测量等价性检验当作标配，就像因果推断里的平衡性检验一样。这不是技术洁癖，而是诚实性的基本要求。

一个值得辩论的问题：如果测量等价性检验推翻了某个「经典发现」，我们是否应该撤回那个发现？还是说，测量不等价本身就是一个关于制度差异的有趣发现——它告诉我们，不同政治文化里「信任」「满意」这些词的含义本身就不一样？