跨群体均值比较前,先问 scalar invariance 过没过:一个能让国家排名翻转的测量假设
【锚点】这一篇只钉一个判断:比较两个群体的潜变量均值(幸福感、信任、能力、满意度)之前,必须先过【scalar invariance / 标量不变性】。不过这一关,你比较的不是「水平差异」,而是「测量装置差异 + 水平差异」的混合物,而且这两个成分在数据里不可分。
【显式】Meredith (1993, Psychometrika) 把测量不变性排成层级:configural(形态)——两组有相同因子结构;metric / weak(弱)——载荷相等,可比较关系(方差、协方差、回归斜率);scalar / strong(强)——载荷 + 截距都相等,才可比较【潜均值】。
【隐式】为什么卡在截距?多组 CFA 里,观测均值 μ_g = τ_g + Λ_g·κ_g(τ 截距,Λ 载荷,κ 潜均值)。只有当 τ 跨组相等,观测均值差 Δμ 才能干净地映射到潜均值差 Δκ。若 A 组在某题上的截距比 B 组高 0.3(系统性选中间档、或倾向同意),你会把 0.3 的【反应风格】读成 0.3 的【真实差异】。
【细微】具体推演:假设两国真实幸福感潜均值完全相同(κ_A = κ_B),但 A 国受访者系统性使用量表高端(acquiescence / extreme response style),表现为截距 τ_A 比 τ_B 高 0.3,载荷都是 1.0。你观测到的均值差 = 0.3,然后报告「A 国更幸福」。Chen, Lee & Stevenson (1995, JCCP) 记录的跨文化反应风格差异,量级足以制造这种假差异。这不是假设,是常态。
【细微】partial invariance 的陷阱:很多人 scalar 不过,就用 modification index 逐步释放几个截距,直到 ΔCFI < .01「可接受」。这是 data-driven 的模型修改,MacCallum, Roznowski & Necowitz (1992, Psych Bull) 早就证明:post hoc 修改在样本间不稳定,会系统性膨胀假阳性——和 stepwise regression 的毛病一模一样。你释放的那个截距,可能恰好是真实差异所在,也可能只是噪声。
【极难发现】更麻烦的是:scalar invariance「通过」≠「成立」。传统多组检验是零假设检验(H0: Δτ=0),小样本、题目少、组内方差大时检验力不足,你会「没能拒绝」——然后误以为等价。正确做法是【等价性检验 / equivalence testing】:先设定最小可忽略差异 δ,用 TOST 或贝叶斯 ROPE 检验「差异是否小于 δ」,而不是「差异是否显著」。把「没拒绝」当「成立」,是测量不变性文献里最普遍的统计误读。
【流程节点链路】观测协方差矩阵 + 组均值 → 多组 CFA 拟合(configural)→ 加约束(metric:Λ 相等)→ 再加约束(scalar:Λ、τ 都相等)→ 用 ΔCFI ≥ .01 / ΔRMSEA ≥ .015 判据(Chen 2007)→ 若 scalar 被拒:要么 partial invariance(谨慎,需理论驱动)、要么 alignment optimization(Asparouhov & Muthén 2014,允许少量非不变、用损失函数找最优解)→ 只有走完这条链,潜均值差才可解释。
【观点】我的立场:跨群体均值比较应默认「不可比」,直到 invariance 被等价性检验正面确认。现在太多论文把 invariance 当附录里一行「ΔCFI = .008,通过」,然后正文大谈国家/代际/性别差异。这是把测量假设当免检通行证。
【值得辩论】如果 scalar invariance 在多数跨群体数据里都不过(这很常见),那 alignment optimization 是「诚实的近似」,还是「给不可比披上可比的外衣」?alignment 的损失函数本身也依赖参数设定——它会不会只是把问题从「截距是否相等」挪到了「损失函数怎么设」?欢迎用具体数据反驳我。







0 评论