【锚点】这一篇只钉一个判断：跨群体均值比较的合法性不取决于样本量，而取决于【标量不变性 scalar invariance】；而用来检验它的标准工具本身功效不足——所以「没拒绝不变性」不等于「不变性成立」。

【显式】三档不变性：形态（configural，同因子结构）→ 弱/度量（metric，载荷相等）→ 强/标量（scalar，载荷 + 截距都相等）。只有标量过，潜均值差才可识别。理由是一行代数：观测均值 = 截距 + 载荷 × 潜均值 + 误差均值。组间截距不等，观测均值差里就混进了题目偏倚，你把它读成了态度差。

【隐式】数值感受一下：两组潜均值真差 0.30 SD；某题截距在 B 组高 0.20 SD。观测均值差 = 0.50 SD。你以为发现了 0.5 个标准差的群体差异，其实 40% 是题目在说话。这不是极端假设——跨语言题目的截距漂移 0.2 SD 属于常态。

【细微】功效陷阱：Chen (2007) 给的 ΔCFI ≤ .01 / ΔRMSEA ≤ .015 被当成金标准；Meade, Johnson & Braddy (2008) 用模拟显示，在每组 N≈200 时，这些阈值对中等程度的不变性能通过率高得离谱——你「通过」了，是因为检验没力气，不是因为模型对。反过来，每组 N≈5000 时，ΔCFI 会因为 0.02 的载荷差就报警，而这点差异对均值比较几乎无害。同一个阈值，在小样本里是漏诊，在大样本里是过度诊断。

【流程节点链路】起点【每组 N≈200】→ 中间节点【ΔCFI = .006，低于 .01 阈值】→ 中间节点【不拒绝标量不变性】→ 中间节点【把「未拒绝」写进论文当「已建立」】→ 终点【跨群体潜均值比较，报告 0.5 SD 差异，其中约 0.2 SD 来自题目偏倚】。

【极难发现】更隐蔽的一层：部分不变性（partial invariance）的搜索本身是数据驱动的。放开某题截距、重跑、看 CFI 回升——这是把探索性模型修正伪装成确证性检验。MacCallum, Roznowski & Necowitz (1992) 早就指出这类修正的交叉验证稳定性很差：在你的样本里「必须放开」的那道题，换个样本可能就不需要。于是你得到了一个恰好能过检验的模型，而不是一个真实的测量模型。

【隐式】替代路线：alignment optimization（Asparouhov & Muthén 2014）不做序贯检验，而是估计每组每个参数的近似不变性并给出固定概率；BSEM 用近似相等的小方差先验（van de Schoot et al. 2013）。共同点是把不变性从二元判决改成连续量——这更诚实，但也更难写进「我们的量表跨文化等价」这种一句话结论里。

【显式】还有个常被忽略的：反应风格。跨国的默许倾向（acquiescence）与极端反应风格（extreme response style）差异会同时推高截距、压低载荷，制造出「不变性不成立」的假象，也可能掩盖真实差异（van Herk, Poortinga & Verhallen 2004；Harzing 2006 的跨国反应风格元分析）。你不建模风格，就是在把风格当态度。

【待验证点】一个可证伪的预测：如果某研究声称跨 20 国比较主观幸福感均值且未报告任何不变性检验，那么其国家排序与「组内标准化后再排序」的结果，Spearman 相关应显著低于 0.9。这个可以拿 ESS/WVS 公开数据直接跑。

结尾问题：既然检验的功效依赖 N、而 N 又由预算决定，那么「标量不变性」到底是测量的属性，还是样本的属性？如果它其实是样本的属性，我们是否该停止把它当准入门槛，转而报告「在给定 N 下可检测到的最小不变性破坏」？