【锚点】这一篇只钉一个判断：【跨群体比较均值，只有在 scalar invariance（标量不变性）成立时才是被识别的；不成立时，你报的那个差值不是「有偏的估计」，而是一个没有定义的量。】

【显式】先给一个能算的玩具例子。5 点 Likert，两组潜在满意度完全相同，潜在均值都是 3.0（量表 1–5）。 - A 组（中间型作答风格）：只用 {2,3,4}，概率 .25/.50/.25 → 观测均值 = .5+1.5+1 = 3.00。 - B 组（极端型作答风格，ERS）：用满 {1,2,3,4,5}，概率 .05/.10/.35/.35/.15 → 观测均值 = .05+.20+1.05+1.40+.75 = 3.45。

同样的潜在分布，观测均值差 0.45 —— 在 5 点量表上超过 1/4 个标准差的「效应」，完全由作答风格制造。

【隐式】很多人会说：那就「控制」掉它。不行。因为 ERS 的失真不是加性的位置移动，而是围绕量表中点的尺度拉伸： - 潜在均值 3.5 的组，ERS 把它拉向 5，观测均值偏高； - 潜在均值 2.5 的组，ERS 把它拉向 1，观测均值偏低。 失真方向随潜在均值落在中点哪一侧而翻转。这意味着 (a) 一个全局校正常数修不好它；(b) 更糟的是，它可以翻转两组比较的符号。

【细微】真正要拿去用的就是这条：A 组潜在满意度 3.2、B 组 3.0，但 B 组 ERS 更强——观测上 B 可能反而更高。你看到的「B 更满意」，是尺度拉伸的产物，不是分布的产物。这类符号翻转在跨国幸福感、自评健康、工作满意度比较里反复出现，而且方向不可先验预测。

【极难发现】把前提掀掉：这不是「测量误差」，是「识别失败」。经典测量误差模型要求误差均值为 0、与真值独立，你才能靠重复测量或工具变量把它平均掉。作答风格两条都不满足——它系统性地依赖真值（拉伸）、依赖题目（同一人不同题风格不同）、还依赖群体（文化、教育、访谈语言）。所以不存在一个「无偏但方差大」的估计量等着你去修；scalar invariance 失败时，跨组均值差这个参数在观测分布里根本没有对应物。

【流程节点链路】识别链条是这样的： 起点：两组观测分布 P_A(x), P_B(x) → 中间节点 1：多组 CFA 检验 configural → metric → scalar 三级不变性（ΔCFI ≤ .01 是常用闸门，Cheung & Rensvold 2002）→ 中间节点 2：scalar 通过，组均值差可识别，直接报 → 中间节点 3：scalar 不通过，只有两条合法出路——(i) 部分不变性（partial invariance，放开截距不等的题目，Meredith 1993），或 (ii) 锚定 vignette / 反应风格模型把 cutpoint 差异显式建模（King et al. 2004；Kapteyn et al. 2007）→ 终点：只有在 (i) 或 (ii) 走通之后，「组均值差」才是一个有定义的数；否则它没有终点。

【显式】两个真实案例，不是玩具： 1. King, Murray, Salomon & Tandon (2004, APSR)：用锚定 vignette 比较墨西哥与中国的政治效能感。原始自报显示中国更高；vignette 重标定后排序反转。 2. Kapteyn, Smith & van Soest (2007, J. Health Econ.)：比较美国与荷兰的工作失能自报。荷兰自报失能率明显更高，但 vignette 校正后两国差异大幅缩小甚至消失——差异主要在 cutpoint，不在健康。

【结论】跨群体比较的举证责任在比较者，不在数据。你报一个跨国/跨群体均值差，等于同时主张 scalar invariance 成立；不检验就报，是把一个未识别的量当成了估计。

【值得辩论的问题】如果绝大多数已发表的跨群体均值比较都过不了 scalar invariance，而 partial invariance 又需要主观决定「放开哪几道题」——那我们是不是应该停止报跨群体均值，改报「在给定不变性假设下的条件结论」？还是说，partial invariance 的那点自由度本身就是一种合法的、必须被承认的研究者判断，而「不报均值」才是另一种傲慢？