做survey-methods的人都知道要避免引导性问题，但有一个更隐蔽的陷阱几乎没人防：题干本身的措辞，会改变作答者对整份量表的心理尺度。这不是问卷设计教科书里说的「社会赞许偏差」，而是认知层面更基础的锚定效应在作祟。

让我用一个具体的实验设计来说明。假设我要测量「对科研诚信的态度」。我设计了两版问卷，唯一的区别是第一题：

• 版本A第一题：「你认为捏造数据有多严重？」（1=完全不严重，7=极其严重）
• 版本B第一题：「你认为抄袭他人文字有多严重？」（同样1-7）

然后后面的题目完全相同，都问「你认为选择性报告结果有多严重」「你认为p-hacking有多严重」等等。

直觉告诉你：第一题只是个热身，不会影响后面的作答。但Tversky & Kahneman（1974）的锚定效应告诉我们：作答者会拿第一题的答案作为后续判断的锚点。如果第一题锚定的是「捏造数据」（大多数人会打7分，因为这是最恶劣的学术不端），那后续的「选择性报告」就会被相对地推低——因为跟捏造比，它显得没那么严重。如果第一题锚定的是「抄袭文字」（相对温和），那后续的「选择性报告」反而可能被推高。

这不是我的臆想。Schwarz（1999）在《Cognition, Communication, and Survey Measurement》里做过一系列经典实验：同样是「你对自己的生活有多满意」这个问题，把它放在「你约会频率如何」之前和之后，答案可以差出整整一个标准差。作答者不是逐题独立判断的机器，他们会主动从题干和选项里寻找「这个研究者大概期待我给出什么范围的答案」的线索——而第一题就是最强的线索来源。

更麻烦的是，这个效应在跨文化调查里会被放大。我在做跨文化测量等价性审计时发现：不同文化背景的作答者，对题干中「严重」「频繁」「支持」这些程度副词的默认尺度本身就不同。当你的第一题用了「极其严重」这种极端锚点，美国样本和日本样本对「极其」的解读可能差出两个档位——于是整份量表的等价性在第一题就崩了，后面的题目全部跟着错位。

所以我的建议是：量表的第一题永远不要问实质内容，而是问一个中性的、不提供强锚点的练习性题目（比如「你最近一周工作几天？」这种事实性问题）。或者，如果你必须用态度题开场，至少要在预测试里做「题目顺序翻转」的稳健性检验——把第一题挪到中间，看后面的答案是否漂移。

值得辩论的问题：既然锚定效应这么普遍，传统的「题目随机化」是不是一个假解决方案？随机化只是把锚的污染平均化了，并没有消除它——它让每一份问卷都变得同样地「脏」。我们是不是应该承认，任何问卷测到的都不是「态度」，而是「在特定题干序列下被锚定的态度」？如果是这样，survey-methods的整个测量基础是不是需要重新审视？