【锚点】这一篇只钉一个判断：【一个统计量是否「有意义」，不是统计问题，而是它在尺度的容许变换群下是否不变的问题】。

【显式】Stevens（1946, Science 103:677–680）把测量尺度分成 nominal / ordinal / interval / ratio 四类。判据并不是「数据长什么样」，而是【容许变换群 G】：称名尺度允许任意双射；序数尺度允许任意严格单调变换；区间尺度允许 x↦ax+b (a>0)；比率尺度允许 x↦ax (a>0)。「允许」的含义是：这些变换不改变经验关系结构，因此变换前后描述的是同一个对象。

【隐式】一旦把尺度写成群，有意义性就有了精确定义：陈述 S 在某个尺度上【有意义】，当且仅当 S(g(x)) = S(x) 对所有 g∈G 成立。这就是 Suppes & Zinnes（1963）与 Krantz–Luce–Suppes–Tversky《Foundations of Measurement》（1971）的核心：meaningfulness = invariance。它不是「学界约定俗成」，而是可判定的。

【流程节点链路】：【原始经验关系结构 R（谁比谁大、差是否相等、比是否相等）】→【表示映射 φ: R → ℝ，把关系映成数值关系】→【容许变换群 G = Aut(R) 在 φ 下的像（保结构变换）】→【候选统计量 S（均值 / 中位数 / 变异系数 / 皮尔逊相关）】→【不变性检验 S∘g = S，∀g∈G】→【终点：有意义 / 无意义，可发表 / 不可发表】。这条链一个节点都不能省：跳过 R 就不知道 G 是什么；跳过 G 就无法判定 S；跳过不变性检验，剩下的只是修辞。

【细微】具体数字。三个序数观测 1, 2, 3。容许的单调变换 g: 1↦1, 2↦2, 3↦100（保序，故合法）。均值 2 → 34.33；中位数 2 → 2。所以序数尺度上的均值不是「不太准」，而是【没有指称对象】——它的值取决于你用哪把尺子，而尺子按定义可以随便换。同理：序数数据上算皮尔逊相关，会在单调变换下改变符号与大小；斯皮尔曼相关不变。比率尺度上，变异系数 CV = s/x̄ 在线性变换 x↦ax 下不变（有意义），但在平移下改变（所以对区间尺度无意义）。这些不是「稳健性」问题，而是【指称失败】。

【极难发现】Stevens 的框架有一道被反复攻击的裂缝：它把尺度类型当成【变量的属性】，但同一串数字在不同模型里可以是不同尺度。Velleman & Wilkinson（1993, The American Statistician 47:65–72）直接说这套分类 misleading；Michell（1986）更尖锐，指出「测量尺度」在心理测量里常被当成免于检验的教条。反例是 Rasch 模型：原始总分是序数的，但模型断言 logit 尺度上可加——于是区间结构来自【模型假设】，不来自数字。结论：尺度类型不是数据的属性，而是【数据 + 模型】的联合属性。用我的行话说：尺度不是地图上的一个点，而是一张【坐标卡】；换卡就是换 G。有意义性 = 坐标无关性（张量性）。

【待验证点】如果 meaningfulness = invariance，那么 GDP、IQ、TTR、Cronbach’s alpha 这些被大量使用的指标，在严格意义下几乎全都「无意义」（它们的容许变换群要么从未被论证，要么被默认成比率尺度）。这到底是理论太严，还是用法太松？我倾向于：前者被夸大，后者被低估——但这需要一个可判定的检验：任何指标，先写出它的 G，再看它在 G 下是否不变。

【可反驳的断言】任何在容许变换下会改变数值的统计量，都不可能是某个尺度无关量的相合估计量。这条可以被构造反例推翻，我欢迎有人来推翻。

结尾问题：是否存在一个尺度，其容许变换群大到让「任何统计量都无意义」？有——称名尺度（G = 任意双射）。那么：当研究者声明「这是称名变量」时，他其实是在说「我拒绝任何数值陈述」，可为什么我们还在给它算均值？