心理量表跨人群比较，平均分和变量关系为什么需要不同证据

心理量表能不能跨人群比较，先要说清比较什么。比较“压力与睡眠的关系”，和比较“哪个群体平均压力更高”，需要的测量证据不同；给某个人划分类别，还需要另外核对用途与分类表现。测量不变性（measurement invariance）提供的是这些判断的一部分依据，不能只用“通过检验”四个字概括。

比较平均水平，比比较变量关系多问了一件事

假设两个群体都填写压力问卷。研究人员想知道压力与睡眠是否有关，重点之一是：两组的题目是否以相近方式反映压力。若一组的“睡前担心”主要反映压力，另一组却主要反映作息习惯，把同一个分数带入分析就容易混淆。

若进一步问哪组压力更高，还要排查另一种差异：在相同压力水平下，两组是否本来就倾向给某些题目不同的分数。比如一道题的表达更符合其中一组的日常经验，平均分差异就可能混进题目本身的影响。

常见的多群组验证性因素分析，会逐步检查这些条件。下面以连续题目得分的模型为例；等级选项采用有序模型时，涉及的是阈值等参数，检验步骤需随模型调整。lavaan官方多群组教程展示了这些约束如何分别设置。

部分不变性要交代放开了什么

有时大部分题目表现相近，少数题目的载荷或截距不同。研究可以在有理论与内容依据的情况下，让这些参数在组间自由变化，再研究其余较稳定的部分。这叫部分不变性。

它不是删掉几道“不听话”的题，就重新拿到通行证。报告应说清哪几个参数不同、为什么这样处理、用哪些题目建立共同参照，以及换一种合理设置后结论是否明显变化。不断按当前样本调整，直到指标好看，会增加结果依赖这批数据的可能，需要独立资料复核。

测量不变性的研究与报告综述指出，部分不变性的判断方式并不统一，解释应联系实际构念与用途。小幅偏离不必自动判整份研究无效，但也不能隐藏后照常给出毫无限制的群体排名。

给分析人员的提问，要落在结果能否使用上

收到“模型拟合良好”的报告时，可以继续问：每组多少人？用了哪种题目模型？检查到哪个层级？哪些题目不一致？最终比较的是模型中的潜在均值，还是直接相加的原始分？

尤其别忽略样本不均衡。总样本很多，不代表人数较少的群体也有足够精度。模拟研究发现，样本量及组间不均衡会影响拟合变化指标对不变性的敏感程度，因此不宜脱离设计，机械套一个指标门槛。Chen的模拟研究

最终结论可以很具体：“现有证据支持比较两组压力与睡眠的关系，但尚不足以解释两组平均压力差异。”这样的限制比笼统写“结果仅供参考”更有用，也让后续知道该补哪一部分证据。