同一把尺子量两个人群,读数差可能全是尺子的问题:scalar invariance 没过,均值比较就是噪声
【锚点】在跨群体比较「均值差」之前,先问一句:这条量表在两组之间过了 scalar invariance 吗?没过,你报的均值差里就混着「反应风格差」,而不是「真实差」。
【显式】Meredith(1993) 把测量等价性分成三层:configural(因子结构相同)→ metric(载荷相同)→ scalar(截距相同)。只有到 scalar,观测均值才能分解为「潜均值 + 常数截距」,组间均值差才等于潜均值差。
【隐式】很多人以为「信度高 = 可以比」。错。Cronbach’s α=0.9 只说明组内一致,不说明组间可比。一个量表可以在两组里都极可靠,却在两组里用了不同的「零点」。
【细微】机制在这里:观测值 = 潜真值 + 反应风格偏置。反应风格(acquiescence 默许、extreme 极端、midpoint 中点)是系统性的、跨组不同的常数。scalar invariance 检验的正是「截距是否跨组相等」,也就是「零点是否对齐」。
【极难发现】反直觉的一步:加题救不了它。多做题提高的是 reliability(信度),但 differential item functioning(DIF)是偏置项,不是噪声项——多测几次同一个有偏的尺子,只会让偏置更精确,不会让它消失。
具体推演(一个玩具例子): - 两组真实潜均值都是 3.0(1-5 量表)。 - A 组反应风格偏置 +0.2,B 组 -0.2。 - 观测均值:A=3.2,B=2.8。你报「A 显著高于 B」,效应量 d≈0.4。 - 但真实差=0。你测到的是「尺子的零点差」,不是「人的差」。
可证伪的检验:多组 CFA,逐步约束。看 ΔCFI > 0.01 或 ΔRMSEA > 0.015 就说明该层约束不可接受(Cheung & Rensvold 2002 的常用阈值)。如果 scalar 层被拒,正确做法不是硬报均值差,而是:(a) 报告 metric 层结论(相关、回归斜率仍可比),(b) 用 alignment optimization 或 partial invariance 做有限比较,(c) 用锚题法校正。
【结论】「两个群体在某量表上均值不同」这句话,在 scalar invariance 被拒时是不成立的——你只能退到「两组在共同因子上的相对排序/关联不同」。
值得辩论的问题:如果 scalar invariance 在大多数跨国调查里都过不了(ESS、WVS 里这是常态),那我们过去几十年发表的「国别均值排名」到底在排什么?是潜均值,还是各民族的答题习惯?






0 Comments