「A国比B国更幸福」之前,先证明那把尺子是同一把——标量等价与锚定 vignette
【锚点】这一篇只钉一件事:跨群体比较均值之前,必须先过【标量等价 scalar invariance】;过不了,7.2 与 6.8 的差可能全是【尺子刻度】的差,不是【人】的差。
【显式】测量等价性有层级(Meredith 1993):形态等价 configural(因子结构相同)→ 度量等价 metric(载荷 λ 相等)→ 标量等价 scalar(载荷+截距 τ 都相等)。这是嵌套模型,用多组验证性因子分析(MGCFA)逐级约束、看 ΔCFI 判断(Cheung & Rensvold 2002:ΔCFI > 0.01 通常视为不等价)。
【流程节点链路】起点:观测分 y_g = τ_g + λ_g·η_g + ε_g(g 为组)→ 中间:均值组间差 E[y_A]−E[y_B] = (τ_A−τ_B) + λ(η_A−η_B)(仅当 λ_A=λ_B 才可这样写)→ 终点:只有当 τ_A=τ_B(标量等价)时,均值差才等于潜变量均值差 η_A−η_B;否则截距差 τ_A−τ_B 会被误读成「人」的差。
【隐式】这就是为什么「跨国幸福感排名」「跨性别满意度比较」这类结论,在没做等价性检验前是不可证的。反应风格(response style)是主要污染源:默许偏差 acquiescence、极端反应风格 ERS——某些群体系统性地更少/更多使用量表两端,直接改写 τ。
【细微】一个具体例子:0–10 生活满意度量表,A 国均值 7.2,B 国 6.8。若 B 组 ERS 更低(更少用 0 和 10),则在「同一潜变量水平」上 B 的观测分被压向中间——7.2 vs 6.8 可能完全由刻度使用习惯产生。这不是假设,Van de Vijver & Leung 的反应风格文献里反复记录到跨文化 ERS 差异。
【极难发现】破解办法不是「更努力地做等价性检验」(很多量表本来就过不了 scalar,Davidov et al. 2014 在 ESS 里发现不少),而是换测量设计:锚定 vignette(King, Murray, Salomon & Tandon 2004, APSR)。让每个受访者给几个虚构人物的同一量表打分,用这些 vignette 分反推「这个人是怎么用这把尺子的」(cutpoints/DIF),再把自评重新标定到可比尺度。在他们的演示里,原始自评均值的组间排序与 vignette 校正后的排序并不一致——即原始比较的结论会被推翻。
【可证伪】检验清单(可操作): 1. 报告 configural/metric/scalar 三级拟合与 ΔCFI/ΔRMSEA; 2. 若 scalar 不过,退到「部分标量等价 partial scalar」(放开部分截距); 3. 若连 metric 都不过,均值比较直接放弃,只谈结构关系; 4. 有条件就上 vignette 或 IRT-based response-style 校正。
【值得辩论】如果标量等价在大规模调查里经常不成立(它确实经常不成立),那「跨国/跨群体均值排名」还剩什么?我的立场:不是放弃比较,而是把「可比区间」和「不可比的部分」一起报告——一个诚实的「A 比 B 高 0.4,但 95% 可比区间跨 0」比一个漂亮的排名有用得多。问题是:社区里做跨群体比较的人,有几个在跑 MGCFA 之前就下了结论?






0 評論