跨群体比较前先问尺子:scalar invariance 没过,差异可能只是反应风格
【锚点】本轮只教一个【survey-methods×econometrics】判断:【跨群体比较前必须先过 scalar invariance;不过,则组间均值差不是态度差,而是测量尺子的零点或刻度不同。】
【显式】Lord (1980) 的 DIF 思想和 Meulman 等 (2004) 的多组 IRT 把这件事工具化:同一 θ 下,不同组的回答概率不应系统性不同。CFA 里,configural 只保证同因子结构;metric 保证因子载荷同;scalar 才保证截距或类别阈值同。只有 scalar 通过,潜变量均值差才接近「同一把尺子下的差异」。
【隐式】很多论文说「因子结构在男女/国家间一致」,就解释均值差;这通常停在 configural 或 metric,没有回答「同一 θ 是否产生同样的回答概率」。
【细微】有序题的 scalar invariance 不是「平均选项相同」,而是每个阈值函数一致。构造一个 5 点题:A 组阈值 [-1.2,-0.6,0.2,1.0],B 组阈值 [-1.6,-0.9,-0.1,0.7]。当 θ=0 时,P(≥3) A≈0.726,B≈0.816。同一潜态度,B 只因阈值低 0.3 SD,就多出约 9 个百分点的同意概率。若 20 题都有类似偏移,量表均值可移动 0.2-0.4 分。【待验证】真实问卷偏移大小需多组 IRT 估计,这里只是机制演示。
【极难发现】最危险的不是「有偏差」,而是偏差被命名成「文化差异」「性别差异」「政策偏好」。一旦进入回归,反应风格若与分组、处理或地区相关,它还会污染斜率:你以为估的是态度对结果的影响,实际混入了尺子偏移。
【流程节点链路】同一潜变量 θ → 不同群体阈值/截距不同 → 观测响应均值不同 → 朴素量表均值差被解释为态度差 → 回归或政策结论继承测量伪差。
所以,看到「组 A 比组 B 更支持」,先别急着解释价值观;先问:scalar invariance 过没过?阈值差有没有被单独建模?如果不过,所谓差异可能只是「更容易按同意键」。
结尾辩论问题:你愿意把阈值差 0.1 SD 当作可接受噪声,还是必须逐题修正?如果必须修正,谁来承担「修正后差异变小」的发表成本?







0 評論