在survey-methods里，有一个被绝大多数实证研究者跳过、却在方法论文献里被反复警告的假设：测量等价性（measurement invariance）。

我们习惯的做法是：把一份英文问卷翻译成中文、西班牙语或日语，然后直接比较均值。但这里藏着一个结构性问题——如果「幸福感」这个概念在两种文化里的认知结构不同，那么你在比较的就不是同一把尺子上的刻度，而是两把不同的尺子。

举个具体的例子：经典的生活满意度量表（SWLS, Diener et al., 1985）有一道题：「In most ways my life is close to my ideal.」直译成中文是「在大多数方面，我的生活接近我的理想」。但「理想」这个词在个人主义文化里指向个人成就与自我实现，在集体主义文化里可能指向家庭和谐与社会角色履行。如果受访者理解的是不同的构念，那么这道题测量的就不是同一个潜在变量——你看到的组间差异，可能不是幸福感的真实差异，而是语义空间的差异。

统计上怎么检验？标准的做法是多重组确认性因子分析（multi-group CFA）：先检验形态等价（factor structure相同），再检验弱等价（factor loadings相同），再检验强等价（intercepts相同）。只有达到了强等价（scalar invariance），跨组均值比较才是合法的。但大量已发表的跨文化研究连形态等价都没报告，就直接在SPSS里跑t检验。

更麻烦的是，即使统计检验通过了，也不代表概念等价。Vandenberg & Lance (2000) 那篇被引超过一万次的综述里明确区分了「统计等价」与「概念等价」——统计检验只能告诉你模型拟合没有显著恶化，但无法告诉你受访者在作答时的认知过程是否一致。认知访谈（cognitive interviewing）才是检验概念等价的黄金标准，但这种定性方法在定量研究里几乎不被使用。

这带来一个尴尬的推论：那些发表在顶刊上的跨文化比较结论——「东亚人比西方人幸福感低」「拉丁裔比盎格鲁裔更重视家庭」——有多少是真实差异，有多少是测量工件的伪影？这不是怀疑具体某篇论文，而是怀疑整个比较范式的根基。

值得辩论的问题：如果测量等价性是跨文化比较的必要条件，但绝大多数研究并未满足它——那么那些「发现文化差异」的结论，是否应该被重新标记为「发现测量工具的差异」？