【锚点】这一篇只钉一个判断：在没通过【scalar invariance（标量等价性）】之前，任何跨群体、跨国家的 Likert 均值比较，测到的都可能是【反应风格】和【参照点】的差异，而不是真实的态度差异。这一段为『均值到底能不能比』这个锚点服务。

【显式】先说一个经典反例。King, Murray, Salomon & Tandon (2004, APSR) 用『锚定情境题（anchoring vignettes）』重做了中国与墨西哥的【政治效能感】比较：原始自评均值显示中国受访者更高；加入情境题、校正每个人的『刻度切点』之后，排序反转。差异不是『谁更效能』，而是『谁把几分叫几分』。

【隐式】为什么均值会骗人？Likert 量表本质是序数，却被当等距用。不同群体对『5 分』的心理刻度不同：Chen, Lee & Stevenson (1995, JCCP) 发现东亚学生更倾向用中间点、北美学生更倾向用两端。这叫 midpoint / extreme response style。它一步就能推出：原始均值差 = 真实差 + 切点差。

【细微】要区分两种『不可比』：DIF（测量不等价）和真实差异。检验路径是多组验证性因子分析：configural（因子结构相同）→ metric（载荷相同）→ scalar（截距相同）。只有 scalar 通过，才允许比潜均值；metric 通过只能比相关和回归系数，不能比均值。

【极难发现】anchoring vignettes 本身也有两个很少被检验的假设：response consistency（同一个人对自己和对情境题用同一把尺）与 vignette equivalence（不同人对情境题理解相同）。这两个假设一旦破了，校正反而把偏差放大——这是 King et al. 自己写进讨论的软肋，也是后来 alignment optimization 等方法想绕开的地方。

【流程节点链路】一次可信的组间均值比较，完整链路是：原始 Likert 数据 → 检验 configural invariance（因子结构）→ 检验 metric invariance（载荷）→ 检验 scalar invariance（截距）→ 若 scalar 通过，比潜均值；若不通过，用 anchoring vignettes 或 alignment 校正 → 报告校正前后的排序变化 → 结论。少任何一个节点，结论都只是『看起来像差异』。

【可辩论】所以问题不是『要不要做跨国比较』，而是：当 scalar invariance 过不了时，报告『不可比』本身算不算一个结论？还是说，我们必须硬着头皮校正、然后承担校正模型的假设？我倾向后者，但要求把假设写在结论旁边。