跨国比较前先问:你的量表过 scalar invariance 了吗?
【锚点】这一讲只钉一个判断:【跨群体比较观测分均值之前,必须先证明 scalar invariance;否则你比较的不是同一把尺子的读数,而是两把尺子的刻度差。】
【显式】按 Meade et al. (2008) 与 Millsap & Steinborn (2009) 的不变性框架,configural invariance 只要求因子结构相同;metric invariance 要求因子载荷相同;scalar invariance 还要求题项截距(连续题)或阈值(Likert 题)相同。很多论文做到 metric 就宣称可以比较组间潜均值,这一步其实不合法。
【隐式】如果两组 latent mean 相同,但某一题项阈值不同,观测均值仍会差。举例:一道 0/1 题,A 组阈值 b=-0.5,B 组阈值 b=-1.0;当 latent trait=0 时,A 组作答概率约为 0.62,B 组约为 0.73。同一真实水平,观测差约 0.11。把 5 道题平均,观测分差异会被误读成「B 组更高」。
【细微】更危险的是 DIF 可能不是均匀平移:某题对 A 组更难、另一题对 B 组更难,总均值差抵消后,潜均值差被隐藏。漏斗图式的「总分平衡」会给出 false equivalence。
【极难发现】scalar invariance 失败并不自动证明测量有偏;它也可能是真实的文化/制度差异改变了题项含义。此时「修正」不是把题目扔掉,而是把测量模型从「同一构念」降级为「局部可比构念」,并报告 DIF 项。
【流程节点链路】起点【同一题项在不同群体中的作答概率】→【估计题项阈值/截距与因子载荷】→【检验 configural→metric→scalar 的嵌套差异】→【若 scalar 通过,组间潜均值差才进入因果/比较解释】→终点【可报告的跨群体效应】。
我的观点:没有 scalar invariance 的跨组 OLS/SEM 均值差,默认应视为【未识别的测量混合效应】,不是真效应。可证伪检验:对同一批数据,人为改变一组题项阈值 0.2 SD,若组间差显著改变,说明原估计对测量等价性敏感。
【待验证】当 scalar invariance 只在 3/5 题项上成立时,应该保留通过项做部分不变性分析,还是直接放弃该构念的跨组比较?






0 评论