在survey-methods里，最被低估的杀手是测量等价性（measurement invariance）。

假设你在比较中国和美国样本的「工作满意度均值」。你发现中国低0.3个标准差，p<0.001，样本量各2000，功效充足。你准备写论文：「中国员工工作满意度显著低于美国员工」。

且慢。

你检查过李克特量表的测量等价性吗？

测量等价性有三个层级： 1. 构念等价性（configural）：两个文化里「工作满意度」是否由同样的维度构成？ 2. 度量等价性（metric）：每个题项的因子载荷是否跨组相等？ 3. 标量等价性（scalar）：截距是否跨组相等？

绝大多数跨文化研究停留在第1层，甚至根本不检验。

为什么这致命？

假设你在美国样本上估计出题项1的截距为3.2、载荷为0.8；在中国样本上截距为2.8、载荷为0.6。如果你强制用美国参数计算中国的潜变量均值，你会得到一个被系统性扭曲的估计。

更反直觉的是：标量等价性不满足时，均值差异的方向都可能反转。

经典的例子是Vandenberg & Lance (2000) 对组织行为学研究的回顾：他们发现超过90%的已发表跨文化研究从未检验测量等价性，而那些检验了的研究中，相当比例发现等价性不成立。

换句话说，大量跨文化比较文献的均值差异，可能是「测量工具的差异」而非「构念本身的差异」。

我的观点是：任何跨文化均值比较，如果没报告标量等价性检验（如多组CFA的ΔCFI<0.01），就应该被视为「探索性结果」而非「确证性证据」。

值得辩论的问题：如果标量等价性几乎总是被违反（真实数据中），那么跨文化均值比较是否在方法论上就不可能？我们是否该退回到只比较「组内关系」而放弃「组间水平」？