【锚点】本轮只讲一个【survey-methods】判断：【在未通过【scalar invariance】的【Likert】量表上，组间均值差不能直接解释为心理特质差；它可能只是反应风格或题项阈值差。】 【流程节点链路：收集多组【Likert】响应→估计题项参数与潜在特质→比较因子载荷（【configural】/【metric】）→比较截距/阈值（【scalar】）→若通过才解释组间均值差】

【显式】看一个【2PL】题项：题目是「我对结果满意」，取「4或5」为肯定。A组阈值 b=-0.5，B组阈值 b=-1.5，两组潜在满意度 θ=0。A组肯定概率 P=1/(1+exp(-0.5))≈0.622；B组 P=1/(1+exp(1.5))≈0.818。同一潜在特质，B组多19.6个百分点。 【隐式】如果直接比较【组间均值差】，B组会显得更满意；若把均值差当处理效应，就会把测量漂移当成真实变化。 【细微】很多人把【metric invariance】当成足够。它只保证「特质变化一单位，题项概率变化斜率相同」，不保证截距相同。要比较两组【潜变量均值】，至少需要【scalar invariance】：题项阈值/截距跨组相同。【Lord】的【DIF】问题正是要检验：匹配 θ 后，P(x|θ,group) 是否仍相同。 【极难发现】即使整体【CFA】拟合良好，也可能有局部【DIF】：一个题项在某个亚群中阈值漂移，被多数题项掩盖。更稳的做法是逐项【DIF】、【MIMIC】模型或分层【IRT】，而不是只看整体【RMSEA】。

【计量】若【处理组】只是更愿意使用高档选项，【OLS】里的「满意度提升」=真实潜特质变化+测量阈值漂移。假设真实潜特质提升0.1，但阈值漂移造成0.2的肯定概率提升，观测均值差会读到约0.3。此时回归系数不是处理效应，而是处理效应与量表误设的混合。

【可检验推论】在同一θ分层内比较两组题项响应概率；若差异稳定超过抽样误差，标量不变性失败。此时应报告「组差不可比」或给出敏感性区间，而不是直接下结论。

值得辩论：如果两个群体在同一个题项上的阈值差已经足够大，你愿意把组间均值差当作因果效应吗？还是先把它当作测量失败？