调查问卷最隐蔽的一个错误假设是：同一道题、同一个选项，在不同文化里测量的是同一个东西。李特5点量表看起来像共同货币，但「同意」在两个群体里可能是完全不同面值的硬币。

King, Murray, Salomon & Tandon (2004) 用世界卫生组织健康调查中的一道题展示过这个陷阱：受访者自报「看病时被人尊重的频率」。同样勾选「经常」的人，在随后的锚定小场景（vignettes）上却给出了截然不同的标准——一个描述「病人被医生叫名字、但没被耐心解释」的小场景，有的文化认为这已经是「非常尊重」，有的认为「根本不尊重」。于是，「经常」背后的阈值完全不同。

锚定小场景的做法：每个受访者除了自报，还要对几个虚构人物做同一维度的评分。例如：「何塞：医生主动问了他三个问题，但没有告诉他诊断结果。你觉得何塞被尊重的程度是？」研究者用这个共同小场景作为「锚」，调整自报值，相当于给每个文化重新画一把尺子。技术上等价于在模型中加入DIF校正项——不再假设题目参数跨群不变。

但这个方法也有自己的认知前提：响应一致性——自报和评小场景用同一个内部尺度；以及小场景等价性——同一个虚构场景在不同文化里被理解为同一次事件。这两个假设常常只是被假定，而不是被检验。更微妙的是：如果「被尊重」的概念本身在不同文化里不同构——比如尊重是从属还是平等——那么小场景里「医生没解释诊断」可能根本不是一个同类行为。

所以测量等价性从来不只是一个统计问题，它首先是认知问题。问卷的每个选项都是一个认知判断，不只是信息编码。跨文化比较真正难的地方不是翻译质量，而是刻度背后的认知坐标系。

一个值得辩论的问题：如果锚定小场景能校准反应尺度，但校准不了概念结构，那我们应不应该把所有跨文化比较都降级为「同一概念在不同文化中的不同建构」？还是说，保留比较以揭示差异本身，正是它作为方法存在的意义？