跳转到内容

测量等值性

来自VeritasWiki 真理百科

测量等值性(又称测量等值、测量等价性)指同一测量工具在不同群体、不同时间点或不同语言版本中,测量同一构念的方式与分数含义一致的性质。测量等值性是跨文化比较、纵向比较与不同群体比较的前提:只有当量表在各组中等值,组间分数差异才能被解释为构念水平的真实差异,而非测量工具本身在各组"工作方式不同"造成的假象。测量等值性与已述的测量等值(测验版本分数换算,见测量等值)、测量恒等性(见测量恒等性)名称接近但侧重不同——本条目侧重等值性的分级检验体系与判定标准,测量不变性条目(见测量不变性)侧重概念辨析与方法细节。

等值的层级

测量等值性按严格程度分为四级,构成递进的检验序列。形态等值:各组因子结构相同——相同的题项归属于相同的因子,是等值性的最低门槛;形态等值只保证"结构看起来一样"。弱等值(载荷等值):因子载荷在各组相等——题项对潜变量的"敏感度"一致,保证潜变量之间的关系(相关、回归)可比较,但均值比较仍不合法。强等值(截距等值):题项截距在各组相等——题项在潜变量取相同值时的预期作答相同,这是潜均值比较的必要条件;达到强等值,组间均值差异才可解释为构念差异。严格等值:残差方差也相等——测量的误差方差一致,是最严格的层次。

四级构成嵌套序列:强等值以弱等值与形态等值为前提,严格等值以强等值为前提。检验逐级进行,每一级通过才能进入下一级。实践中,完全严格等值很难达成,研究者常满足于强等值(足以支持均值比较);若强等值不成立,可检验"部分等值"——只要求部分题项截距相等,其余题项允许不等值(见测量不变性)。

检验方法

测量等值性的主流检验方法是多组验证性因子分析。流程为:先在各组分别检验因子结构,再在所有组同时估计,依次施加参数相等约束,比较模型拟合的变化。判定标准传统上依赖卡方差异检验的显著性,但卡方对样本量敏感——大样本下微小差异也显著,故现代研究更多采用拟合指数变化量(如比较拟合指数变化、近似误差均方根变化)作为判据,并报告效应量。相关研究对形态、载荷、截距与潜均值不变性的检验程序做了系统阐述,为跨群体比较提供了规范路径。[1]坎贝尔等2008年对成就目标问卷在非裔美国与白人大学生中的形态、载荷、截距等值性检验,展示了完整的多级检验与结果报告范例。[2]

除验证性因子分析外,项目反应理论提供了项目层面的等值诊断——项目功能差异分析(见项目功能差异、差异项目功能)可识别特定题项在不同组中的功能差异,定位不等值来源。对齐法作为近年发展的近似等值方法,允许多数题项等值、少数不等值,在大组数比较中提供了验证性因子分析之外的选择。

应用场景

测量等值性在三类比较场景中不可或缺。跨文化比较:不同语言、国家群体使用同一量表时,需检验等值性才能比较均值——这是跨文化研究的合法性前提(见跨文化效度)。跨时间比较:同一量表在不同时间点施测,需检验纵向等值性(见纵向测量等值)才能把分数变化解释为真实变化。跨群体比较:不同性别、年龄、职业群体使用同一量表时,需检验等值性才能比较群体差异。三类场景的共同逻辑:先证明"尺子在各组刻度相同",再比较"各组量得的长度"。

等值性检验结果有三种处置。达到强等值:可安全比较均值,进行结构均值建模。仅达到弱等值:可比较关系(相关、回归),不可比较均值——若强行比较可能得出错误结论。等值不成立:需定位不等值题项(通过项目功能差异分析或修正指数),修订或删除后重新检验;若差异源于构念本身的文化特殊性,则比较本身需重新审视。

中国语境

中文语境的测量等值性研究有三个焦点。其一,量表中文版的等值性检验:国内研究者日益认识到"翻译+信效度"不足以支撑跨文化比较,测量不变性检验逐步成为高质量修订研究的标准组件——但报告的规范性(判据、效应量、部分等值处理)仍有差异。其二,城乡、代际群体的等值性:中国社会的城乡差异、代际差异使同一量表在不同子群体中的表现可能不同,等值性检验是群体比较研究的前提。其三,大规模测评的等值化:国际测评项目中中国数据的可比性依赖严格的等值检验与题项标定——这是教育测量领域的实务重点。挑战在于:等值性检验对样本量与模型识别要求高,中小样本研究难以实施;且国内方法学教育中等值性知识的普及程度有限,部分研究报告"结构相似"即宣称可比,缺乏严格检验。

等值性与测量实践

测量等值性的检验结果直接影响研究的解释边界。达到强等值时,研究者可比较潜均值——如比较两国青少年的自尊水平;仅达到弱等值时,只能比较结构关系——如自尊与学业成绩的相关是否在两国相似;等值不成立时,任何跨组均值比较都不合法,需回到量表层面修订。这一"检验—处置"的链条使等值性成为测量实践的守门环节。等值性检验还揭示一个常被忽视的事实:统计上"好用"的量表未必可比较——一个在各组内信度都很高的量表,可能因题项截距不同而无法比较均值。因此,国际大规模测评(如国际学生测评项目)在报告国家间分数前,必须完成严格的多组等值检验与题项功能差异筛查。国内研究者在使用西方量表做跨文化比较时,同样需要在报告差异前确认等值性——否则"中国样本得分高于/低于西方样本"的结论可能只是测量假象。

争议

测量等值性研究有四个争议。其一,严格程度的门槛:是否必须达到严格等值才可接受?主流观点认为强等值足以支持均值比较,严格等值要求过高——但"够用"的标准仍有分歧。其二,部分等值的接受度:当多数题项等值、少数不等值时,部分等值模型是否可用于均值比较?支持者认为这更贴近现实,反对者担心未约束题项污染潜均值估计——判定缺乏统一规则。其三,大样本下的判据:卡方差异检验在大样本中过度敏感,拟合指数变化量的临界值(如比较拟合指数变化小于0.01)也有争议——不同判据可能给出不同等值结论。其四,等值性与构念普遍主义:坚持等值性检验隐含"构念应普遍"的假设——对于文化特异构念,强求等值可能抹杀文化差异,等值性标准与文化多样性之间存在张力。

参见

参考资料