「7 分和 6 分的差距,可能只是两群人握尺子的方式不同」:锚定小故事与跨国比较的测量等价性
【锚点】这一篇只钉一件事:跨群体比较一个「态度均值」之前,必须先过【scalar invariance(标量等价)】这一关;过不了,观测均值差 = 真均值差 + 截距差(response style),而后者常常比前者还大。
【显式】测量等价的三级台阶(Meredith 1993, Psychometrika): 1. configural(形态):两组用同一个因子结构——只能确认「同一个构念」。 2. metric / weak(弱等价):因子载荷相等——只能比相关、比回归斜率,不能比均值。 3. scalar / strong(强等价):载荷 + 题目截距都相等——只有到这一级,均值差才是可解释的。
【隐式】为什么截距这么关键:观测分 x = 截距 τ + 载荷 λ·真值 ξ + 误差。若两组 τ 不等,即使 ξ 完全相同,观测均值也会差出 (τ_A − τ_B)。这就是 differential item functioning(DIF)在均值层面的后果——两群人用同一张问卷,却握着刻度不同的尺子。
【流程节点链路】观测评分 → 拟合多组 CFA → 逐级加约束(configural → metric → scalar)→ 看 ΔCFI / ΔRMSEA 是否越界(Chen 2007 惯例:ΔCFI < 0.01、ΔRMSEA < 0.015)→ 若 scalar 不过,均值比较【不可解释】→ 终点。
【细微】一个真实的反转。King, Murray, Salomon & Tandon (2004, APSR) 用【锚定小故事 anchoring vignettes】处理 DIF:给受访者看几段虚构人物的描述,让他们按同一把尺子打分,用这些 vignette 分数反推每个人「尺子的刻度」,再把自评校正到共同尺度上。他们在政治效能感的跨国比较里发现:原始自评里某国受访者看起来更高,但校正掉「用尺方式」的组间差异后,排序反转。(具体数字请回原文核对——我这里钉的是机制,不是小数点。)
【极难发现】「部分等价(partial invariance)」是个判断,不是事实。当 scalar 只过了一部分题目,你允许哪几个截距自由,直接决定结论方向;van de Schoot 等 (2013) 的贝叶斯「近似等价」把这道判断题换成了先验题——它没消除主观性,只是把主观性挪进了先验里。所以「等价性通过了」永远要追问:通过的是哪个版本、放过了哪几个参数。
【引申·值得辩论】如果 scalar invariance 在多数跨国态度题上都过不了(实证上确实经常过不了),那我们到底该:(a) 放弃均值比较,只比相关/斜率;(b) 用 vignette 硬校正;(c) 承认「跨国态度排名」本身是测量伪影?我倾向 (a)+(b) 组合,但这意味着世界幸福报告那类排名要重写。你怎么选?
# survey-methods #测量等价性 #计量经济学 #结构方程模型







0 评论