心理测量不变性
心理测量不变性(又称测量等值性)指同一测量工具在不同群体、不同时间或不同情境下测量同一构念且测量方式相同的性质。其直观含义是:量表的"刻度"对各组是否一致——若一个心理量表在男女两组中的因子载荷与截距不同,则同样的量表分数在两组中代表的心理水平并不相同,此时的组间比较等于用两把刻度不同的尺子比身高。测量不变性是跨群体比较、纵向追踪与跨文化研究的逻辑前提,未经检验的比较可能产生方法学假象,这一认识已成为当代心理测量的核心规范。
源流
测量不变性的思想源头是经典测量理论中的平等测量假设——传统做法默认量表对所有被试"同样地测",但这一假设本身很少被检验。20世纪80年代以来,随着验证性因子分析与项目反应理论的成熟,等值性检验从隐性假设变为显性的模型检验程序:多组验证性因子分析通过逐级加约束来检验各层级的等值——形态等值(各组因子结构相同)、弱等值/度量等值(因子载荷相等,比较因子均值的前提)、强等值/标量等值(条目截距相等,观测均值的比较前提),以及更高层的残差与严格等值。项目反应理论框架则提供了项目层面的等值诊断——项目功能差异分析检测某一题目在特定群体中"额外地难"或"额外地易",为等值失败定位到具体条目。方法学文献系统梳理了两框架下的检验流程:跨文化研究教程逐步确立了"逐级检验—部分等值—比较"的标准路径。[1]纵向数据中的等值检验也有专门的方法发展,项目反应理论框架下的纵向等值检验为发展研究的测量基础提供了可操作方案。[2]
检验层级
测量不变性的检验按约束强度分级,各级对应不同的比较合法性。第一级,形态等值:各组的因子数目与条目归属相同——这是任何比较的最低门槛;形态不等值意味着构念结构本身在组间不同,比较无从谈起。第二级,弱等值(载荷等值):各条目对因子的载荷跨组相等——此时潜变量的方差、协方差与回归系数可跨组比较,即"关系结构"的比较合法。第三级,强等值(截距等值):条目截距跨组相等——此时潜变量均值可跨组比较,即"水平高低"的比较合法;这是多数组间均值比较(男女性格差异、国家差异)的必要条件。第四级,严格等值(残差等值):误差方差也相等——此时观测总分可直接比较,适用于高利害测评的分数等同使用。检验策略:逐级加约束后观察拟合恶化量,若某级拟合显著恶化,则定位违等条目、考虑部分等值(保留多数条目等值、允许少数条目自由估计),并在报告中明确说明比较是在哪一级等值下进行的。方法学提醒:等值检验对样本量敏感、阈值约定存在争议,实践中应以效应量与实际意义辅助判定,而非机械套用显著性。
应用
测量不变性的应用覆盖比较研究的全部主战场。跨文化比较:文化差异研究的第一道计量关卡——自我报告量表在个体主义与集体主义语境中的回答风格差异会造成系统性违等,研究显示,未经等值检验的跨文化比较可能在个人主义—集体主义等经典构念上产生虚假差异;等值检验由此成为跨文化论文的发表门槛。[3]群体比较:性别、年龄组、城乡、临床与非临床群体的差异研究,凡涉及均值比较均需强等值,凡涉及关系比较均需弱等值。纵向研究:追踪设计中"分数随时间变化"的解释前提是跨时间点的等值——发展研究(自尊随年龄的变化、控制感的毕生轨迹)若不等值,变化可能是测量漂移而非心理变化。[4]干预研究:干预前后测的分数变化比较同样需要纵向等值,干预可能改变构念的意义("治疗改变了量表怎么被理解"),这一点常被忽视。量表修订:跨语言修订研究把等值检验作为修订质量的正式证据,中国修订量表与国际版本的等值报告日益成为常规。
实施路径
实施等值性检验的路径分六步。第一步,比较目的先行:明确要比较什么——是均值(需强等值)还是关系(需弱等值),检验深度由目的决定,避免过度检验。第二步,数据准备:各组样本量充足(每组数百为宜)、缺失处理一致、组别定义清晰。第三步,基准模型:先在合并样本中确立合理的因子结构,再放开多组估计形态等值。第四步,逐级约束与评估:按形态—弱—强(—严格)顺序加约束,以拟合变化量判断各级是否成立;报告每级的拟合指标与差值。第五步,违等诊断与部分等值:用项目反应理论的项目功能差异分析或逐条目截距诊断定位违等来源——题目歧义、文化特异性表述或群体特有解读;删除或修订违等条目后重新检验,或采用部分等值模型。第六步,比较与报告:在达成的等值层级内进行比较,报告中明示层级、约束细节与部分等值的条目清单,使读者能评估比较结论的计量基础。实践红线:强等值不成立时不得比较均值;部分等值的保留条目数应有实质性多数;不得以"拟合差不多"跳过检验步骤。
中国语境
中国语境中的等值检验需求集中在三个板块。跨语言修订:中文版量表与源语言版本的等值报告是修订质量的证据,国内方法学者推动修订研究把"结构验证+等值检验"作为完整交付,避免只报告内部一致性系数的旧惯例。跨群体研究:城乡、流动与非流动儿童、不同民族地区的心理比较研究数量庞大,等值检验的规范使用直接决定这些比较结论的可信度——城乡学生在学业心理、抗逆力等构念上的差异研究若不等值,结论可能有测量成分的污染。大规模测评:教育质量监测与跨地区比较依赖严格的等值程序,测评机构把题目功能差异分析与分层等值作为常规流程。挑战有三:其一,回答风格的文化差异(中国被试的中点倾向与谦虚反应)是自陈量表违等的高发来源,方法上有反应风格建模的应对方案但使用尚不普及;其二,部分地区样本的可得性与规模限制使多组检验的效力不足;其三,发表规范对等值报告的要求近年收紧,但存量文献中未检验的比较结论仍大量存在,使用历史结论时应留意其计量前提。总体趋势是:等值检验正从"高级方法"变为"比较研究的及格线",与国际规范接轨的速度在加快。
争议
等值检验的争议有四。其一,阈值之争:拟合恶化量的判定标准(卡方差值、拟合指数变化量)并无统一权威,不同阈值决定部分等值的成立与否,进而左右比较结论;方法学界主张以模拟研究驱动的情境化标准替代固定阈值。[5]其二,部分等值的滥用风险:允许过多条目自由估计的"部分等值"实际上改变了测量,等于为结论量身定做量尺,批评者主张对部分等值的条目数与效应量设置更严的披露要求。其三,构念等价与测量等价的关系:即使统计等值成立,构念在不同文化中的意义是否相同仍属实质理论问题——统计不能完全替代概念论证。其四,检验的效力与样本量:小样本的等值检验效力不足,"未发现违等"可能是检验不出来的表现而非等值成立,报告检验力与谨慎解释"等值成立"是实践要点。总体而言,等值检验把"比较的合法性"从默认假设变为可检验命题,这一转变本身没有争议,争议集中在执行的细节规范。
参见
参考资料
- ↑ Testing measurement invariance across groups: applications in cross-cultural research.,L. Milfont等,International Journal of Psychological Research,2010年。
- ↑ Testing Measurement Invariance Using Item Response Theory in Longitudinal Data: An Introduction,Millsap,Child Development Perspectives,2010年。
- ↑ The Necessity of Testing Measurement Invariance in Cross-Cultural Research: Potential Bias in Cross-Cultural Comparisons With Individualism– Collectivism Self-Report Scales,Lacko等,Cross-Cultural Research,2022年。
- ↑ Testing Measurement Invariance Using Item Response Theory in Longitudinal Data: An Introduction,Millsap,Child Development Perspectives,2010年。
- ↑ The Necessity of Testing Measurement Invariance in Cross-Cultural Research: Potential Bias in Cross-Cultural Comparisons With Individualism– Collectivism Self-Report Scales,Lacko等,Cross-Cultural Research,2022年。