A、B 兩群的 CFA（驗證性因素分析）都能接受，B 群的 BE04 平均又較高，就可以說 B 群行為投入較高嗎？ENGAGE-v1 刻意在 BE04 的生成設定中加入群體位移，正好讓我們檢查這個跳躍。Day 17 處理各模型與資料是否相容；今天要多問一步：同一題在兩群中，是否以可比較的方式反映同一構念？

測量恆等性要為特定比較設定哪些量測參數應相等，例如因素負荷量、截距或類別切點。它沒有要求兩群學生完全相同。先說要比較因素關係、潛在平均或觀察分數，再倒推所需限制，才知道每一層模型多檢查了什麼。

恆等性階梯

對連續 indicators（指標題目）的常見教學順序是：

ENGAGE-v1 是 ordinal 題目（有序類別），實作會涉及 thresholds（切點）與尺度設定，不能把連續指標的 intercept 表原封不動套上。表格的用途是理解「多加一組相等限制，換取哪種比較」；實際參數化要依 estimator（估計方法）與識別方法閱讀官方文件。

六層責任

Claude 協作：從「通過」改成「哪裡壞掉」

請 Claude 起草多群組語法時，若附帶一張固定門檻表，將每層簡化成「ΔCFI（比較配適指標）小於某數字就過關」，要回來源核對適用條件。Chen（2007）研究配適度指標對不恆等的敏感度，涉及模型、樣本與違反型態；文獻建議不能脫離情境變成通用判定規則。

更有用的診斷表應並列整體配適變化、局部參數線索、標準化參數差異、題目內容解釋，以及放鬆限制後對目標比較的影響。Claude 可以整理欄位與候選解釋，教師則要判斷部分恆等性是否有實質理由；欄位填滿不表示比較已被支持。

完整例題：BE04 的局部 shift

生成器讓 B 群 BE04 在相同潛在（latent）作答反應（response）下略高。configural 模型（model）仍可能呈現相同三因素 pattern；因素負荷量（loading）也大致相近；當 thresholds／intercepts 被固定時，BE04 產生局部 misfit。這正是資料設計要保留的教學事件。

如果忽略它，B 群較高的 BE04 觀察到的作答反應（observed response）可能被誤讀成較高 behavioral engagement。若釋放 BE04 對應參數並有題意或作答機制理由，可以探索 partial invariance（部分恆等、測量恆等性）；但潛在平均數（latent mean） identification 與其餘 invariant anchors 必須足夠，且結果要明示依賴哪些題目。

我不在合成例上宣稱 partial invariance 已為真實研究所接受。worked example（完整例題）只示範：局部 parameter difference 會如何污染群體比較，以及修正後的結論範圍要縮小。

反例：群體平均不同，所以量表有偏誤

觀察平均不同不等於題目偏誤；若構念真的不同，平均差是 target 的一部分。反過來，平均相同也不證明測量恆等。measurement invariance 問的是相同潛在 standing 下，measurement relationship 是否可比。

另一個 failure case（失敗案例）是兩群各自 fit 好就比較。separate-group fit 沒有直接測試 equality constraints；要把群體放進共同模型，明確固定與比較。即使 scalar 模型能接受，群體分類的科學意義、樣本代表性與用途後果仍需另外處理。

接受與否要回到指標本身的意義：

Partial invariance 不是自動修模

若只依 MI 一條條釋放直到過關，和 Day 17 的 fit chasing 相同。每次釋放要有三項紀錄：哪個參數、題目內容或作答歷程（response process）的理由、對欲比較 target 的影響。若釋放太多或 anchors 不穩，最負責的結論可能是不做潛在平均數 comparison。

此外，group 不只性別或地區，也可能是時間、語言、施測模式。longitudinal invariance 涉及相同人的依賴，翻譯版本涉及語意與文化，線上／紙本涉及 mode effects。方法名稱相同，資料機制不同。

讀者可用 BE04 做一次報告練習：先寫要比較哪個平均，再指出 BE04 的哪個參數可能破壞比較，最後說釋放限制後還靠哪些題目連結兩群。若第三句說不清楚，就先不要報潛在平均差。這比只記下一個「通過」狀態更能暴露識別與用途的缺口。

尺度連結本身就是識別選擇

比較潛在平均數前，必須把群體因素（factor）放到共同尺度。常見參數化固定 reference group 的因素 mean／變異數（variance），再透過 invariant measurement parameters 連結其他群體。若 anchors 本身 noninvariant，平均差會依選哪幾題當尺而改變。這是為何「至少幾題 invariant 就夠」不能脫離模型與 target 回答。

Ordinal 題目還增加 threshold 與 scale-factor 的識別關係。不同軟體或參數化可能使用不同順序與名稱；教師應讀實際 estimator 文件，而不是把 continuous scalar invariance 的文字貼到輸出。文章保留連續表作概念梯子，執行卡則明列 ordered 題目、threshold constraints 與 reference scaling。

我用一個決策 probe（檢查題）收尾：若 BE04 noninvariant，釋放後 A/B 潛在平均數方向穩定，但大小改變，報告必須同時呈現 full 與 partial 模型、釋放理由與敏感度；若方向也翻轉，教材用途不應選擇較合意的版本，而應停止群體結論並回題目與作答歷程查核。

measurement invariance 也不是公平性的充分條件。參數相等仍可能有不公平的內容涵蓋、使用後果或群體分類；noninvariance 則需要理解來源，不能直接把群體或題目貼上偏誤標籤。它是公平性論證的一項證據，不是同義詞。

原問題的答案是：群體比較前，要檢查足以支援該比較的 measurement invariance；「同一把尺」是對參數限制與 target 的簡稱，不是群體完全相同。基礎閱讀是 lavaan multiple-groups tutorial（R 的結構方程式套件）。發展閱讀是 Meredith（1993）與 Chen（2007）。前沿閱讀可進 partial invariance 與 alignment（對齊法）。DIF（差異試題功能）與 fairness（公平性）也在這一層。

本篇留下恆等性階梯、BE04 局部差異的條件示範與部分恆等性的決策規則；沒有宣稱合成群體的比較已通過實證驗收。下一篇換到題目層級：IRT（試題反應理論）直接連結投入位置與反應機率，群體可比性的問題仍會跟著這把尺一起走。

來源與協作揭露

• Meredith, W. (1993). Measurement Invariance, Factor Analysis and Factorial Invariance。
• Chen, F. F. (2007). Sensitivity of Goodness of Fit Indexes to Lack of Measurement Invariance。
• lavaan project, Multiple groups，measurement invariance testing，查核於 2026-08-25。