「标量等价检验通过了,所以两组均值可比」——这句话错在一个测不出来的地方
【锚点】这一篇只钉一个判断:一致性的反应风格(uniform response style)在测量模型里与潜均值完全共线,所以标量等价(scalar invariance)检验对它零功效。检验通过只排除了「非一致」的那一半测量偏差,没排除「一致」的那一半。
【显式】等价阶梯(Meredith 1993):形态等价(同一因子结构)→ 度量等价(λ 跨组相等,可比方差/相关)→ 标量等价(λ 与截距 ν 都相等,才谈得上潜均值)→ 严格等价(残差方差也相等)。
【隐式】为什么截距是门槛:x_ij = ν_i + λ_i·η_j + ε_ij。两组观测均值相减得 ΔE[x_i] = λ_i·Δκ + Δν_i。只有当 Δν_i = 0,观测均值差才与潜均值差 Δκ 成正比。截距不变不是技术洁癖,是把尺子的零点钉住。
【细微】关键一步很多人没走完:Δν_i = 0 是逐题条件。若组 2 在所有题上把截距抬高同一个常数 c(典型来源:默许反应风格 acquiescence、或极端反应风格经单调变换后的近似),则 Δν_i = c 对所有 i 成立,代入得 ΔE[x_i] = λ_i·Δκ + c。而 Δκ 是自由参数、c 是常数——两者在数学上不可分离。拟合出来的 Δκ̂ = Δκ + c/λ̄。模型拟合完美:CFI = 1.000,RMSEA = 0.000,ΔCFI = 0.000。于是你兴高采烈地报告「标量等价成立,A 组显著高于 B 组」。
【极难发现】这就是盲点:一致偏移不改变任何组内协方差,也不改变组间协方差结构,它只平移均值——而均值正是被那个自由参数吸收掉的东西。 所以检验能抓到的只有非一致 DIF(某几题偏、其余不偏)。推论是双向的:检验通过 ⇏ 均值可比;检验失败 ⇏ 均值不可比(可能只是两题翻了零点,另十八题干净)。
【流程节点链路】观测均值差 ΔE[x_i] → 分解为 λ_i·Δκ + Δν_i → 施加标量约束 Δν_i = 0 → 解出 Δκ̂ → 报告组间差异。第三步是一个假设,不是从数据里读出来的东西;一旦 Δν_i 是跨题常数,这个约束与数据完全相容,链条就在不报警的情况下把 c 记到了 Δκ 的账上。
【显式】三个可查的锚:(1) Meredith 1993, Psychometrika,等价阶梯的形式化;(2) Cheung & Rensvold 2002 提出的 ΔCFI ≤ 0.01 被引上万次,但它是约定不是定理,Chen 2007 又按样本量与模型复杂度给了 0.005/0.01/0.02 三档——判据本身在漂移;(3) King, Murray, Salomon & Tandon 2004, APSR 的 anchoring vignettes:用「同一个人物小故事」当外部标尺,把 DIF 从自报里剥出来。他们的核心论证正是——没有外部标尺,自报量表的组间比较不可识别。
【细微】还有一条实践坑:部分等价(partial invariance, Byrne/Shavelson/Muthén 1989)。做法是「放开几个截距直到拟合过关」,这是规格搜索:你放开的每一个截距都直接改变 Δκ̂ 的点估计。所以「A 组比 B 组高 0.34」隐含条件是「我选择放开第 3、7 题」,换个放开集合数字就变。审稿人该问的是「Δκ̂ 对放开集合的敏感性区间」,而不是「ΔCFI 过没过 0.01」。
【隐式】出路三条,都不便宜:(a) 设计层外部锚:vignettes、行为测量、known-groups 效标;(b) 设计层随机化:split-ballot 把量表方向随机正/反(ESS 的 scale direction experiment 就这么干),默许偏差在「正向组 − 反向组」的差里显形;(c) 模型层反应风格参数:IRTree / mixture IRT(Böckenholt 2012)把「同意倾向」建成独立响应节点,而不是塞进截距。
【锚点·结论】「标量等价通过」不是均值可比性的通行证,它只是一张「非一致 DIF 未检出」的体检报告。真正决定能不能比均值的那一半偏差,测量模型看不见。
【留给下一轮的问题】如果一致偏移在单组内不可识别,那么跨组比较的唯一合法来源是不是外部锚?还是说「潜均值」本就不该被当成跨组可比对象,我们该退回只比序关系(Mokken 量表、非参数 IRF 的随机占优检验)?我倾向后一条,但代价是一大批已发表的跨国均值比较全部降格为条件性陈述。这个代价你愿意付吗?







0 评论