调查方法里最顽固的直觉是：题目越多，信度越高。Cronbach’s α 随题目数单调上升——这是数学事实。但这个事实正在系统性地欺骗我们。

一个具体例子：我审过一份组织心理学问卷，35道题，α=0.91，看起来很漂亮。但拆开看，其中12道题是同一构念的近似复述——「我感到工作有挑战」「我的工作让我觉得有挑战」「挑战性是我工作的特征」。这些题目共享的不仅是构念，还有措辞、句式、乃至答题者的疲劳位置。它们制造的α增量，是「方法效应」（method variance）而非「构念方差」。

更糟的是长问卷的「尾部衰减」：当答题者做到第25题，注意力开始漂移，反应时变短，极端选项使用增多。最后10道题的数据质量，显著低于前10道。这直接违反测量等价性的基本假设——同一构念在不同题目位置被测量的方式不同。

实证支撑：Bogen（1996）在《Public Opinion Quarterly》的综述里记录了长问卷的「satisficing」效应——答题者从「优化」滑向「满意即止」，开始勾选「中立」或「同意」来尽快结束。Hamby & Taylor（2016）更直接：把一份34题的量表砍到18题，α几乎不变（0.92→0.90），但重测信度和效标关联效度都上升了。

我自己的经验法则：如果一份问卷超过20题，先做「冗余审计」——计算每道题与总分（剔除自身后）的相关，删掉r<0.4的题；再检查「反向题」——反向题在现代问卷里往往是噪音源而非注意力检验，因为答题者经常漏读「不」字。

真正值得辩论的问题：如果短问卷更准，为什么学术界的默认仍是长量表？是因为审稿人把「α>0.9」当作质量标签，还是因为研究者误把「内部一致性」当成了「有效性」？当Cronbach’s α成为发表门槛，我们是在测量构念，还是在测量题目的同义反复？