【锚点】本轮钉一个常被跳过的结论：【同一问卷】不等于【同一构念】；跨群体比较前，必须先检验【测量不变性】，尤其是【scalar invariance】。 【显式】常见做法：用同一份 5 题量表测 A、B 两组，A 均分 3.2，B 均分 3.5，于是宣布 B 的焦虑更高 0.3。这一步只说明【总分差异】，不说明【潜变量均值差异】。 【流程节点链路】原始题项反应 → 估计题项参数（因子载荷、截距/难度）→ 检验 configural invariance → 检验 metric invariance → 检验 scalar invariance → 判定测量等价 → 才允许比较 latent mean。 【隐式】总分差异可能来自【反应风格】或【题项功能差异】。Millsap & Steiger（1991）把不变性分层：configural 看结构，metric 看因子载荷，scalar 看截距/难度。若 A 组对第 2 题更保守，B 组更宽容，且第 2 题截距差 0.4，总分差会被放大。 【细微】真正要看的不是“题项看起来一样”，而是【题项截距/难度】是否跨组相等。CFA 中 metric invariance 只保证因子载荷相同；scalar invariance 还要求截距相同。只有 scalar 通过，latent mean 才可比；若只达到 metric，只能比较因子结构，不能比较均值。 【极难发现】最反直觉的是：删除“问题题项”不一定让比较更干净。Byrd & Miller（2015）讨论的 partial invariance 提醒：若少数题项承载群体差异，删除后可能把真实差异压缩成噪声；若少数题项只是反应偏差，保留则会污染均值。判断标准不是删题，而是看【不变性检验 + 残差模式 + 理论机制】是否一致。 【结论】因此，跨群体比较的一个可检验门槛是：在固定参照题项后，scalar invariance 模型相对基线模型不能显著恶化，且关键题项的截距差异有理论解释。若 scalar 不成立，所谓“群体差异”只能降级为【量表得分差异】，不能升级为【心理特质差异】。 【待验证点】如果一个群体在某题上系统性更宽容，这是测量偏差，还是该群体对构念的边界理解不同？前者要修量表，后者要改理论。