测量等值概述

测量等值概述

测量不变性(Measurement Invariance, MI)或测量等值(Measurement Equivalence, ME)有着重要的理论意义和应用价值。在心理测量领域，编制和修订量表过程中，时常要考虑量表条目是否在不同群体（如，性别和民族）间有着相同的意义和功能（测量系数）。在跨文化研究方面也存在同样的考虑，如在某种文化背景下提出的概念能否推广到其他文化背景中去。不同文化群体对同一概念是否存在相同的理解。再者，概念之间的关系强度（结构系数，不同因子/变量间的关系）在不同群体、不同时间是否等价。诸如此类都是研究者经常遇到的实际问题，更为重要的是，这些问题在有些情况下需要研究者在研究之初就要考虑。例如，一项研究要比较中美大学生抑郁体验程度的差异，分别收集了500名大学生在某种抑郁量表（如CES-D）上的得分，结果发现两组得分存在统计学显著差异。如果按照传统的做法，这时便得到类似这样的结论：“中国大学生抑郁情绪总分高于/低于美国大学生，同时差异具有统计学意义。”

这个显著差异的结果是否真实的揭示了两组大学生的情况呢？回答这个问题是本章的主要任务之一。

由于事先研究者没有考虑测量工具本身的等值性，所以我们不知道这个差异是实际存在的差异造成的还是工具本身不等值造成的。假如研究者在差异比较之前就考虑了测量等值，那么造成显著差异结果的原因就明确了。

目前，检验测量不变性的方法可以分为两大类(Stark, Chernyshenko, & Drasgow, 2006)：结构方程模型框架内的多组验证性因素分析(Muti-group Confirmatory Factor Analysis, MCFA)和项目反应理论框架内的项目功能差异分析(Differential Item Functioning, DIF)。其中结构方程模型框架下的多组验证性因素分析是目前应用领域使用最多、最流行的方法(Meade & Lautenschlager, 2004; Raju et al, 2002; Reise et al, 1993)。除了MCFA，结构方程模型框架内的MIMIC模型也可以用于检验测量等值（未完待续）。