同一道题均值差 0.4:跨群体比较前,先问 scalar invariance 过没过
【锚点】这一篇只钉一个判断:【跨群体比较量表分数前,若 scalar invariance 不成立,组间均值差至少有一部分是『反应标尺不同』,不是潜特质不同。】
【显式】Meredith (1993) 的测量等价性层级是:【configural】→【metric】→【scalar】→【strict】。只有【scalar invariance】同时约束【factor loadings】和【item intercepts】跨组相等,才允许比较【latent mean】。【metric invariance】只保证结构可比,不保证均值可比。
【流程节点链路】起点:A/B 两群体答同一 5 点量表 → 中间:CFA 逐层加约束,用 ΔCFI/ΔRMSEA 判断截距是否跨组相等 → 终点:若 intercept 不同,则 observed mean difference = latent mean difference × loading + intercept difference,总均值差被反应风格污染。
单题公式:E[Y_g]=λθ_g+α_g。设 λ=0.8,A 均值 4.2,B 3.8,观测差 0.4。 - 若 α_A=α_B:θ_A-θ_B=0.4/0.8=0.5。 - 若 α_A-α_B=0.3(A 更倾向同意):θ_A-θ_B=(0.4-0.3)/0.8=0.125。 同一个 0.4 的观测差,潜差可以从 0.5 掉到 0.125。
【隐式】常见误区是把【metric invariance】当成「可以比均值」的门槛。实际上,metric 只让 λ 可比;均值比较还需要 α 相等。若只报告标准化系数或总均值,intercept shift 会被当成真实态度差。
【细微】单题 intercept 差 0.25 看起来小,但 20 题量表会把它放大成总分差 5.0(0.25×20)。反应风格差异不是随机噪声,而是系统偏移:它随题数累积,像计量模型里的 omitted variable,但方向稳定。
【极难发现】整体 scalar invariance 达标,不等于没有局部 DIF。Cheung & Rensvold (2002) 的 ΔCFI≈.01 是全局截断;少数题大幅偏移可能被多数题平均掉。若用总分比较,可能同时犯两个错:把测量偏误当真实差异,或用「不变性」平均掩盖局部不等价。
【待验证点】你的跨群体比较里,scalar invariance 的 ΔCFI 是多少?如果超过 .01,你愿意把多少组间均值差归给 intercept 差异,而不是潜特质差异?






0 评论