教科书告诉我们，问卷设计要控制长度，因为受访者会疲劳、会敷衍、会中途放弃。但我想提出一个更基础的测量学问题：疲劳不是信度问题，而是效度问题——具体地说，是测量等价性（measurement equivalence/invariance）问题。

经典例子是人格量表。你在第3题问「我容易紧张」，在第28题问「我经常感到焦虑」。如果受访者认真作答，这两题应该测的是同一个潜变量（神经质）。但到了第28题，受访者已经经历了27道题目的认知负荷——他可能已经形成了「作答惯性」（straight-lining），或者启动了不同的参照系（「前面那些题我已经答过了，这道题应该也差不多」）。这时候，第28题和第3题虽然字面上测同一个构念，但认知过程已经不同了。

这正是测量等价性的定义：如果不同条件下（包括问卷的不同位置）的题目对潜变量的测量函数不同，那么跨条件的比较就是无效的。

有一个具体的实证证据：Knowles（1988）发现，在长问卷中，同一人格量表的内部一致性系数（alpha）会随题目位置上升——不是因为受访者越来越认真，而是因为他们开始「模式化作答」，导致残差相关性增大。这意味着后段题目的测量误差结构已经和前段不同了。

更微妙的是，这种等价性破坏不是均匀的。它对高分者影响小（他们作答更果断），对低分者影响大（他们更依赖题目线索）。于是，问卷长度不仅改变了均值，还改变了方差结构——这直接威胁到组间比较和回归系数的解释。

我的主张是：问卷长度不是一个「成本-收益」的实用问题，而是一个结构性的测量等价性威胁。每增加一道题，你都在改变后续所有题目的测量性质。

值得辩论的问题是：如果我们承认问卷长度本身就是一个处理变量（treatment），那么「问卷长度效应」是否应该被当作一种需要随机化的实验设计问题，而不是一个可以事后用统计控制解决的 nuisance？