统计百科 · 2026-06-24

测量不变性怎么检验？多组CFA配置/弱/强/严格不变性与跨组比较前提全解

统计百科：系统讲解测量不变性（Measurement Invariance）的四层级（配置/弱/强/严格），多组验证性因子分析（MGCFA）操作步骤，ΔCFI<.01判断标准，局部不变性处理，以及在论文中如何写APA 7th规范报告句式。

做跨组比较（性别差异、实验对照、跨文化研究）之前，研究者必须先证明"同一份量表在不同组里测的是同一个构念"——这就是测量不变性（Measurement Invariance）。缺乏这个前提，任何"组间均值差异"都无法被信任：你比较的可能是两把刻度不一致的尺子，而非被测事物本身的差异。本文从概念到操作，完整讲解测量不变性的四层级检验，以及如何在论文中写出符合APA 7th的规范报告。

一、为什么跨组比较必须先检验测量不变性

问题的本质

假设你研究"职业倦怠"在男女群体间的差异，使用MBI量表5道题，男性平均分4.2，女性3.6。

问题是：这0.6分的差异，真的是倦怠水平的差异吗？

也许女性对"我感到精疲力竭"这道题的理解方式与男性不同（题目截距不一样）；也许该题在男性群体中对"情绪耗竭"这个潜在因子的负荷更高（因子载荷不一样）。如果量表在两组间的测量属性不等价，那么潜变量均值的比较就是在用两把刻度不同的尺子比较长度——毫无意义。

测量不变性检验（Measurement Invariance Testing）通过多组验证性因子分析（Multi-Group CFA，MGCFA），逐步约束参数相等，用模型拟合变化来判断量表是否在各组间等价。

哪些研究必须做这个检验

性别、年龄、民族、国家等人口学组间比较
实验组 vs. 对照组的潜变量均值比较
纵向研究中不同时间点的测量（纵向不变性）
跨文化/跨语言版本量表的效度比较
任何使用结构方程模型（SEM）报告潜变量均值差异的研究

二、测量不变性的四个层级

测量不变性是分层次的，检验从宽松到严格逐步推进。

第一层：配置不变性（Configural Invariance）

含义： 因子结构（哪些题目属于哪个因子）在各组中相同，但所有参数（载荷、截距、误差）均允许自由估计。

统计约束： 无任何跨组等式约束，仅要求相同的因子结构。

如何理解： 这是最低门槛，只要求"各组用相同的构型（哪些题归哪个因子）来理解量表"。配置不变性成立，才有意义进行后续更严格的检验。

现实意义： 配置不变性不成立（模型在某组拟合极差），说明该量表在不同组中可能测量的是完全不同的构念，跨组比较无从谈起。

第二层：弱不变性（Weak/Metric Invariance）

含义： 在配置不变性基础上，约束因子载荷（factor loadings） 在各组间相等。题目误差和截距仍自由估计。

统计约束： lambda_ij(g1) = lambda_ij(g2) 对所有题目 i 和因子 j

如何理解： 因子载荷反映"潜变量每增加一个单位，观测题目得分增加多少"——即量表的测量单位。弱不变性成立，说明各组的测量单位相同，因子之间的协方差/相关可以跨组比较。

现实意义： 弱不变性是比较因子相关系数和回归路径系数的前提。如果你的研究只是比较"职业倦怠与工作满意度之间的相关是否存在性别差异"，弱不变性就足够了。

第三层：强不变性（Strong/Scalar Invariance）

含义： 在弱不变性基础上，进一步约束题目截距（item intercepts） 在各组间相等。

统计约束： 因子载荷相等 + tau_i(g1) = tau_i(g2) 对所有题目 i

如何理解： 截距反映"潜变量为零时，题目得分的期望值"——即量表的测量原点（零点）。强不变性成立，说明各组在量表上的原点相同，此时才能有意义地比较各组的潜变量均值。

现实意义： 这是跨组潜变量均值比较（如t检验、ANOVA中的构念均值差异）的必要前提。大多数跨组比较研究需要达到强不变性。

第四层：严格不变性（Strict Invariance）

含义： 在强不变性基础上，进一步约束题目唯一性方差（unique variances/residuals） 在各组间相等。

统计约束： 因子载荷 + 截距 + theta_ii(g1) = theta_ii(g2) 对所有题目 i

如何理解： 误差方差的相等意味着各题目在不同组中测量精度完全相同。这是最严格的要求，在实践中较难完全满足，也并非跨组比较的必要条件。

现实意义： 严格不变性主要用于需要直接比较观测得分（而非潜变量得分）的情境，大多数SEM研究只要求强不变性。

各层级概览对照表

层级	约束参数	满足后可做的比较	典型用途
配置不变性	无（仅相同结构）	确认因子结构跨组适用	前提检验
弱不变性	因子载荷相等	因子相关、回归路径	路径比较
强不变性	载荷 + 截距相等	潜变量均值差异	均值比较
严格不变性	载荷 + 截距 + 误差相等	观测得分直接比较	最严格场景

三、检验标准：ΔCFI < .01 规则及其来源

模型比较逻辑

测量不变性检验通过嵌套模型比较实现：约束越多的模型是约束越少的模型的嵌套版本（前者的参数空间是后者的子集）。检验时依次比较：

配置模型 M0
    ↓ 加载荷约束
弱不变模型 M1
    ↓ 加截距约束
强不变模型 M2
    ↓ 加误差约束
严格不变模型 M3

每步比较的核心问题：新加的约束是否显著降低了模型拟合？

经典标准：卡方差异检验（Δχ²）

传统方法用似然比检验（LRT）：

$\Delta\chi^2 = \chi^2_{M1} - \chi^2_{M0}, \quad \Delta df = df_{M1} - df_{M0}$

若 Δχ² 检验显著（p < .05），说明新增约束显著恶化了拟合，该层级不变性被拒绝。

问题： Δχ² 对样本量极度敏感——大样本（N > 300）时，即使非常细微的差异也会显著；小样本时，大的实质性差异也可能不显著。因此在大多数实证研究中，Δχ² 已不作为主要判断标准。

推荐标准：ΔCFI < .01（Cheung & Rensvold, 2002）

Cheung 和 Rensvold（2002）通过模拟研究提出：

$\Delta CFI \geq -.010 \text{ 则拒绝不变性假设}$

即：当从宽松模型到约束模型时，CFI 的下降不超过 .010，则认为不变性成立。

为什么是 CFI 而不是 χ²？

CFI（比较拟合指数）基于与独立模型的对比，对样本量不如 χ² 敏感，在测量不变性文献中最为常用。

同时参考 ΔRMSEA：

部分研究者同时报告 ΔRMSEA，Vandenberg 和 Lance（2000）建议 ΔRMSEA ≤ .015 作为辅助标准。实践中通常以 ΔCFI 为主要标准，ΔRMSEA 作为辅助参考。

各指标对比

指标	截断值	优点	局限
Δχ²	p < .05 拒绝	有显著性检验	对样本量极敏感
ΔCFI	≥ -.010 拒绝	对样本量较不敏感	无显著性p值
ΔRMSEA	> .015 拒绝	绝对拟合视角	截断值争议较大
ΔSRMR	> .030（载荷）> .010（截距）	残差视角	较少单独使用

四、多组CFA操作步骤

步骤1：数据准备与单组CFA前提检验

在进行MGCFA之前，先在各组内分别跑验证性因子分析（CFA），确认：

因子结构在每组内拟合良好（CFI > .95，RMSEA < .08，SRMR < .08）
各组样本量足够（建议每组 N ≥ 200，每个因子 ≥ 3 个题目）
数据无严重非正态（Mardia多元峰度）；若有，改用 MLR 估计法

步骤2：配置模型（M0）

各组使用相同因子结构，所有参数自由估计（各组独立）。这是基线模型。

R/lavaan代码示例：

library(lavaan)

model <- '
  burnout =~ B1 + B2 + B3 + B4 + B5
  engage  =~ E1 + E2 + E3 + E4
'

# 配置模型
fit_config <- cfa(model, data = dat, group = "gender",
                  estimator = "MLR")
summary(fit_config, fit.measures = TRUE)

步骤3：弱不变模型（M1）

约束因子载荷在各组相等，截距和误差自由估计。

fit_weak <- cfa(model, data = dat, group = "gender",
                group.equal = "loadings",
                estimator = "MLR")

# 比较 M1 vs M0
lavTestLRT(fit_config, fit_weak)
# 提取 CFI/RMSEA
fitMeasures(fit_weak, c("cfi", "rmsea", "srmr"))

步骤4：强不变模型（M2）

在弱不变基础上，进一步约束截距相等。

fit_strong <- cfa(model, data = dat, group = "gender",
                  group.equal = c("loadings", "intercepts"),
                  estimator = "MLR")
lavTestLRT(fit_weak, fit_strong)

步骤5：严格不变模型（M3，可选）

fit_strict <- cfa(model, data = dat, group = "gender",
                  group.equal = c("loadings", "intercepts", "residuals"),
                  estimator = "MLR")
lavTestLRT(fit_strong, fit_strict)

步骤6：整理比较表

模型	χ²	df	CFI	RMSEA	SRMR	Δχ²	Δdf	ΔCFI
M0 配置	XX	XX	.XXX	.XXX	.XXX	—	—	—
M1 弱	XX	XX	.XXX	.XXX	.XXX	XX*	X	-.00X
M2 强	XX	XX	.XXX	.XXX	.XXX	XX*	X	-.00X
M3 严格	XX	XX	.XXX	.XXX	.XXX	XX	X	-.00X

*p < .05

五、局部不变性（Partial Invariance）

什么是局部不变性

并非所有题目的载荷或截距都必须相等——如果大多数（通常 ≥ 2/3）题目在各组间等价，而少数题目的某个参数不等，可以仅约束等价的参数，称为局部不变性（Partial Invariance）。

如何识别非不变题目

当强不变模型拟合恶化时，可以通过**修正指数（Modification Indices，MI）**识别哪些截距跨组差异最大：

# 查看强不变模型的修正指数
modindices(fit_strong, sort = TRUE, maximum.number = 20)
# 关注"intercepts"行中MI最大的条目

Byrne、Shavelson 和 Muthen（1989）的方法：依次释放 MI 最大的截距约束，重新拟合，直到 ΔCFI 降至 < .010。

局部不变性能否支持均值比较

Byrne 等（1989）以及 Vandenberg 和 Lance（2000）均指出：局部强不变性（每个因子至少保留2个截距不变的指标）可以支持潜变量均值比较，但需要：

在方法部分明确说明哪些题目存在截距非不变
将非不变题目作为调节变量进行后续探索
解读均值比较结果时保持谨慎

六、在chatsrs.com完成测量不变性检验

打开 chatsrs.com，上传数据后输入：

"请对我的数据做测量不变性检验：量表有3个因子，分别是B1-B5（情绪耗竭）、D1-D3（去人格化）、PA1-PA4（个人成就感降低），分组变量是gender（1=男，2=女）。请依次建立配置、弱、强、严格不变模型，使用MLR估计，报告每个模型的χ²、df、CFI、RMSEA、SRMR，以及模型间的Δχ²、ΔCFI；如果强不变性不成立，请用修正指数找出非不变题目并建立局部强不变模型。最终给出可直接写进论文的APA 7th报告段落。"

ChatSRS会自动调用R引擎（lavaan），依次估计四个嵌套模型，输出对比表格和APA规范报告段落，可直接复制进论文。

七、APA 7th规范报告模板

方法章节说明测量不变性

采用多组验证性因子分析（Multi-Group CFA，MGCFA）对[量表名称]
进行跨[性别/组别]的测量不变性检验（Vandenberg & Lance, 2000）。
依次建立配置不变模型、弱不变模型（约束因子载荷相等）、
强不变模型（进一步约束题目截距相等）和严格不变模型
（进一步约束误差方差相等）。
模型比较以 ΔCFI 为主要判断标准（ΔCFI < .010；
Cheung & Rensvold, 2002），辅以 Δχ² 检验和 ΔRMSEA（< .015）。
所有模型均使用 MLR 估计法以处理非正态数据，
分析软件为 ChatSRS（R/lavaan 引擎）。

结果章节完整段落模板

测量不变性检验结果见表 X。
配置不变模型（M0）拟合良好，CFI = .XXX，RMSEA = .XXX，
SRMR = .XXX，表明[量表名称]的因子结构在[组1]和[组2]中均成立。

弱不变模型（M1，约束因子载荷相等）的拟合指数变化微小，
ΔCFI = -.00X（< .010），Δχ²([df]) = X.XX，p = .XXX，
支持弱不变性，即[量表名称]的因子载荷在两组间等价。

强不变模型（M2，进一步约束题目截距相等）的拟合变化亦在
可接受范围内，ΔCFI = -.00X（< .010），Δχ²([df]) = X.XX，
p = .XXX，支持强不变性，表明两组在[构念名称]潜变量上的
均值比较具有意义。

严格不变模型（M3，进一步约束误差方差相等）的 ΔCFI = -.00X，
Δχ²([df]) = X.XX，p = [值]，[支持/不支持]严格不变性。

综上，[量表名称]在[组1]和[组2]之间达到强不变性，
满足后续潜变量均值跨组比较的前提条件。

局部不变性情境模板

强不变模型（M2）的 ΔCFI = -.01X（> .010），Δχ²([df]) = X.XX，
p < .001，强不变性未得到完全支持。
查阅修正指数发现，题目 [题目编号]（MI = XX.XX）的截距
存在跨组差异，释放该截距约束后，局部强不变模型的
ΔCFI = -.00X（< .010），拟合恢复至可接受水平。
除 [题目编号] 外，其余 [N-1] 个题目的截距在两组间等价
（局部强不变性，Byrne et al., 1989）。
后续潜变量均值比较基于局部强不变模型进行，并在讨论中
对该题目的潜在跨组含义差异作出说明。

八、测量不变性结果汇报表格（APA三线表格式）

模型	χ²	df	CFI	RMSEA [90% CI]	SRMR	Δχ²	Δdf	ΔCFI
M0 配置不变	124.36	52	.967	.048 [.037, .059]	.053	—	—	—
M1 弱不变	131.82	59	.965	.045 [.035, .055]	.058	7.46	7	-.002
M2 强不变	140.14	66	.963	.043 [.034, .053]	.062	8.32	7	-.002
M3 严格不变	162.78	75	.951	.046 [.037, .055]	.071	22.64*	9	-.012

*p < .05。M0至M2的ΔCFI均 < .010，支持强不变性；M3的ΔCFI = -.012（> .010），严格不变性不成立，与实践中严格不变性较难满足的结论一致。

注：表中数值为示例数据，供论文格式参考。

九、常见错误与规范对照

常见错误写法	规范写法	说明
"做了CFA，因子结构一致，所以可以比较"	"通过MGCFA检验达到强不变性"	因子结构一致≠截距相等
仅报告Δχ²显著与否	ΔCFI为主 + Δχ²辅助	Δχ²受样本量影响过大
"ΔCFI = .008，不变性成立"	ΔCFI = -.008（注意符号方向）	约束增加CFI下降，正确方向为负
强不变性失败直接放弃比较	检查修正指数，建立局部强不变模型	局部不变性在文献中被广泛接受
方法章节不说明用了哪个软件/包	"分析软件为 ChatSRS（R/lavaan 引擎）"	APA要求说明分析工具
严格不变性失败就说"量表无效"	说明严格不变性非均值比较必要条件	实践中大多只要求强不变性

常见FAQ

Q：做了EFA确认因子结构，还需要再做MGCFA吗？

A：需要。EFA（探索性因子分析）在整体样本上得到的因子结构，并不能证明该结构在各亚组（男/女、实验/对照）中等价，更无法检验截距是否相等。MGCFA才是正式的测量不变性检验工具。建议在第一个样本上用EFA探索结构，在第二个样本（或同一样本分组后）用MGCFA验证不变性。

Q：样本量多少才够？每组至少要多少人？

A：一般建议每组 N ≥ 200，整体样本在 400 以上。题目数量越多、因子越复杂，所需样本量越大。Wolf 等（2013）的蒙特卡洛模拟建议，对于3个因子、每因子4-5个指标的模型，每组至少 150 人可获得稳定估计；若需同时检验严格不变性（增加更多约束），建议每组 N ≥ 300。ChatSRS会在运行前自动提示样本量是否充足。

Q：ΔCFI < .010 但 Δχ² 显著，该相信哪个？

A：根据 Cheung 和 Rensvold（2002）以及随后大量模拟研究，当样本量 N > 200 时，Δχ² 极易出现假阳性，建议以 ΔCFI 为主要判断依据。在论文中可以两者都报告，但结论以 ΔCFI 为准，并在脚注中说明"由于样本量较大（N = XXX），Δχ² 对微小拟合差异敏感，故以 ΔCFI 作为主要判断标准（Cheung & Rensvold, 2002）"。

Q：跑出来弱不变性成立但强不变性不成立，可以比较什么？

A：弱不变性（载荷相等，截距不等）成立时，可以比较各组的因子相关/协方差（如"职业倦怠与工作满意度的相关在男女间有无差异"）和回归路径系数，但不能直接比较潜变量均值（因为截距不等时，均值的原点在各组不同）。若有必要比较均值，则需建立局部强不变模型（释放非不变截距约束），并在方法部分说明局限性。

Q：纵向研究的"纵向不变性"和跨组不变性是同一回事吗？

A：本质相同，操作略有区别。纵向不变性（Longitudinal Measurement Invariance）检验同一量表在不同时间点（T1/T2/T3）的等价性，"组"变成了"时间点"，lavaan中用group = "time"处理。特别注意：纵向设计中同一个体的同一题目在不同时间点有相关误差（correlated residuals），需要在模型中额外指定。