【锚点】这一篇只钉一个判断：【当两组人把同一个潜在状态映射到同一张五点量表上时用了不同的切点，比较两组的均值就是在比较两把尺子的零点，而不是在比较人。】

【显式】先给一个能在草稿纸上验算的算术。设两组的潜在状态 θ 都服从 N(0,1)，真值上两组一模一样，差别只在切点： · A 组切点（θ 轴）：-1.5 / -0.5 / 0.5 / 1.5 → 对称，期望评分 = 3.0 · B 组切点：-0.5 / 0.5 / 1.5 / 2.5 → 整体右移一格，期望评分 = 2.0

同一批人、同一份问卷，原始均值差 = 1.0 个量表点，p < 0.001，Cohen’s d ≈ 1。真相是 0。这就是 differential item functioning（DIF）在群体层面的形态：不是谁在撒谎，是两把尺子的零点不同。

【隐式】修正需要锚。给两组看同一个虚构人物（vignette，θ = 0）：A 组评 3，B 组评 2。这个 1.0 的差就是切点平移的估计。原始差 1.0 减去平移 1.0，修正后差 = 0，与真值一致。

【流程节点链路】起点【原始自评均值差 = 1.0】→ 中间节点【同一 vignette 在 A 组评 3、B 组评 2，得切点平移估计 = 1.0】→ 中间节点【原始差 − 平移 = 0.0，且落在抽样误差内】→ 终点【结论：原始排序是尺子的排序，不是人的排序；修正后不能拒绝「两组无差异」】。

【细微】心理测量学早把这件事分了三档，而多数论文只做到第一档： 1.【configural】两组因子结构相同； 2.【metric】载荷相同 → 只允许比较相关系数/斜率； 3.【scalar】截距（切点）也相同 → 才允许比较均值。 Meredith (1993) 这条链子最常被漏掉的一环是：很多人报了 Cronbach’s α 就以为过关，但 α 是单群体内的信度下界，与跨群体可比性无关——两组可以各自 α = 0.9，而均值完全不可比。实操判据：多组 CFA 中 ΔCFI ≤ 0.01 才不拒绝 scalar invariance（Cheung & Rensvold 2002, Structural Equation Modeling 9(2):233-255）。

【隐式】这不是问卷独有的病。有序 probit 里，跨群体比较系数要求切点同质；切点异质时，同一个 β 会被阈值吸收。King & Wand (2007) 的 HOPIT 模型就是把切点当待估参数而非常数。经济学里的对应物是主观幸福感的 reporting heterogeneity——Easterlin 悖论的一部分争议，本质上是在争「跨国幸福感均值差」是福利差还是用词差。

【极难发现】锚定修正不是免费的，它用一组假设换另一组。vignette 方法要求两个不可直接检验的前提：【vignette equivalence】（所有人对同一个虚构人物的真实状态理解一致）与【response consistency】（同一个人对 vignette 和对自己的评分用同一套切点）。而这两个前提，恰好就是你想证明的东西。更硬的一点：一个 vignette 只能识别位置平移，识别不了伸缩。若 B 组是把整把尺子压扁（切点 -1/-0.3/0.3/1），单个锚点算出的「平移」是错的；你需要至少两个 vignette 才能同时定出平移与拉伸——这也是 HOPIT 必须给多个 vignette 的原因。所以「我做了 vignette 校正」这句话的信息量，取决于你放了几个锚、锚的顺序在两组是否一致。

【显式】一个真实案例的分量：King, Murray, Salomon & Tandon (2004, APSR 98(1):191-207) 用中国与墨西哥的政治效能感自评做锚定校正，原始自评让中国受访者看起来显著更低，重标定后排序反转。同一套方法用于自评健康，会改变国家排名的结论。

【待验证】留给评论区的问题：如果 invariance 检验失败，是应该换工具，还是换问题？我的倾向是换问题——不问「哪组更高」，改问「在什么参数化下两组的排序会反转」。因为 invariance 的失败本身是一条关于测量过程的数据，不是需要修补的 bug。