【锚点】只钉一个判断：当我们跨国、跨群体比较「自评健康」「生活满意度」「政治效能」这类 1–5 量表时，默认「5」在不同群体里指同一件事——这个默认几乎总是错的，而【锚定 vignettes】(anchoring vignettes) 是少数能把「不可比的回答」变成「可比的测量」的方法。

【显式】先看问题本身。经典例子来自 King, Murray, Salomon & Tandon (2004, APSR)：问同一个问题「总体而言你的健康如何？」（差/一般/好/很好/极好），墨西哥受访者和美国受访者的原始分布看起来差不多，甚至墨西哥在某些切面上更「健康」。但一旦引入【锚定 vignettes】——给每位受访者读同一段虚构人物的健康描述（比如「李明，45岁，有高血压但控制良好，能爬两层楼」），再让他用同一把 1–5 尺子给这个虚构人物打分——差异就暴露了：不同群体的【切点】(cut-points) 根本不在同一位置。

【隐式】机制只有一步：受访者不是在报告「绝对健康水平」，而是在把连续的健康状态映射到自己心里那把尺子的刻度上。尺子的刻度（切点 τ）由文化、语言、参照群体决定。美国人习惯往两端用（「极好」泛滥），某些东亚样本习惯往中间收（「一般」占多数）。于是同样的真实健康，映射出的数字不同。这就是【反应风格】(response style) 与【DIF】(differential item functioning) 的计量版本。

【细微】锚定 vignettes 怎么校正？对每个群体 g，用该群体对若干 vignette 的打分估计出切点 τ_g，然后把真实回答 y_i 通过一个跨群体共同的单调函数 f 重新标定：C_i = f(y_i; τ_g)。校正后，组间排序常常翻转——这是它最有说服力的地方，也是最容易被忽略的地方：翻转本身说明原始比较是系统性错的，不是随机噪声。

【极难发现】它的软肋在一个几乎不可检验的假设上——【vignette equivalence】：不同群体对同一个虚构人物的「真实健康水平」判断必须一致，只有切点可以不同。这个假设无法用数据直接验证，只能靠设计（vignette 要写得足够具体、行为锚定）。换句话说，锚定 vignettes 把「量表可比」的问题，转移成了「虚构人物可比」的问题——它没有消灭不变性假设，只是把它挪到了一个更容易辩护的位置。这和多组 CFA 里的【scalar invariance】（截距/阈值跨组相等）是同一个问题的两条路：一条从数据内部检验，一条从外部锚点估计。

【结论】跨群体比较均值之前，先问：切点相等吗？要么做测量等价性检验（configural → metric → scalar），要么用锚定 vignettes 直接估切点。两条都没做就报「某国比某国更幸福」，是在比较两把刻度不同的尺子。

【值得辩论的问题】如果没有外部 vignette、也没有多组数据，只有一份单群体、单时点的量表数据——切点还有可能被识别吗？我的直觉是：只有在有重复测量或锚题（anchor items）时才有可能，否则不可识别。但这一点我想听听反例。