Si può confrontare una scala tra paesi o tra lingue?

Una stessa scala di «fiducia nella marca», somministrata in Francia e in Germania, non misura necessariamente la stessa cosa nei due paesi: una traduzione può rendere un item più facile da approvare. Confrontare i punteggi medi equivale allora a confrontare anche quella distorsione. Il test di invarianza della misura verifica, passo per passo, che la struttura, poi le ponderazioni, poi i livelli di partenza degli item siano gli stessi.

Su dati sintetici, dove si sa che l'item 3 è spostato in Germania, imporre l'uguaglianza dei livelli di partenza aggiunge in media 0,15 deviazioni standard allo scarto di fiducia stimato tra i due paesi — è il risultato stabile, misurato su 100 estrazioni. Un modello che libera l'item difettoso ritrova lo scarto vero, a meno di 0,006 in media — un resto non distinguibile da zero a questa dimensione di simulazione. Sull'estrazione descritta in questa pagina, i due modelli danno rispettivamente 0,30 e 0,18, per uno scarto vero di 0,20.

Una marca misura la fiducia dei suoi clienti con quattro item, in Francia e in Germania (600 rispondenti per paese). I risultati grezzi mostrano una fiducia più elevata in Germania. Ma l'item 3, tradotto in tedesco, è formulato in modo più facile da approvare. I dati della pagina sono sintetici: si sa che lo scarto vero di fiducia vale 0,2 e che l'item 3 è spostato di 0,4 in Germania.

La scala misura la stessa cosa nei due paesi, al punto da poter confrontare le medie di fiducia? Altrimenti, quale parte dello scarto osservato viene dalla fiducia e quale parte viene dallo strumento?

La media dei quattro item è più alta di 0,194 punti di scala in Germania. Ma lo scarto item per item rivela il problema: 0,17, 0,09, 0,46 e 0,06. L'item 3 porta da solo una gran parte dello scarto. Sommare gli item mescola una vera differenza di fiducia e un artefatto di traduzione. Si confrontano medie solo dopo aver superato tre passaggi — stessa struttura (detta configurale), stesse ponderazioni (metrica), stessi livelli di partenza (scalare) —, descritti subito dopo ^[C09].

Si pone un modello in cui ogni item riflette una fiducia latente, con una ponderazione (il peso dell'item) e un livello di partenza (la sua intercetta). Poi si stringono i vincoli tra paesi, passo per passo:

1. configurale: la stessa struttura nei due paesi, è il primo gradino ^[C01];
2. metrica: le stesse ponderazioni, ogni item contribuisce in egual misura alla fiducia nei due paesi ^[C02];
3. scalare: le stesse intercette, la condizione per confrontare medie ^[C03];
4. scalare parziale: se un item viene a mancare, si libera la sua intercetta e si tengono le altre. È diventata una pratica corrente ^[C08]. Steenkamp e Baumgartner hanno sostenuto che lasciando vincolati almeno due saturazioni e due intercette, lo scarto di medie latenti resta utilizzabile ^[C12]; la fonte che riporta questa regola aggiunge subito che è stata «molto discussa» (nell'originale «much debated»), in particolare sulla scelta dell'item di riferimento ^[C16]. Gli standard dell'invarianza parziale variano ^[C17] e non si appoggiano a nessuno studio empirico citato ^[C18].

A ogni passaggio, se l'adattamento si degrada nettamente, l'uguaglianza imposta è rifiutata.

Le risposte individuali agli item, con il paese di ogni rispondente; almeno tre o quattro item per costrutto; campioni sufficienti per gruppo (qui 600). Le risposte della pagina sono continue per semplificare; vere scale Likert a 5 o 7 punti richiedono metodi per dati ordinali.

Questa sezione si rivolge al professionista. Chi decide può saltarla e riprendere da «Il calcolo dichiarato»: la frase di traduzione che la chiude basta.

Per il rispondente r del paese g e l'item j:

xᵣⱼ = νⱼ⁽ᵍ⁾ + λⱼ⁽ᵍ⁾ ηᵣ + εᵣⱼ

• xᵣⱼ: la risposta del rispondente r all'item j. L'esponente (g) designa il paese — fr o de — e segnala un parametro autorizzato a differire da un paese all'altro; senza esponente, il parametro è comune ai due paesi.
• ηᵣ: fiducia latente, di media κ⁽ᵍ⁾ e varianza φ⁽ᵍ⁾.
• λⱼ: ponderazione dell'item, che i professionisti chiamano anche la sua saturazione; νⱼ: intercetta, il livello di risposta quando la fiducia vale 0; εᵣⱼ: errore, di varianza θⱼ.
• Modello metrico: λⱼ⁽ᶠʳ⁾ = λⱼ⁽ᵈᵉ⁾. Modello scalare: in più, νⱼ⁽ᶠʳ⁾ = νⱼ⁽ᵈᵉ⁾. Modello parziale: l'uguaglianza è revocata per la sola intercetta dell'item selezionato dalla regola descritta più sotto.
• Sotto invarianza scalare, la media latente della Germania κ⁽ᵈᵉ⁾ misura direttamente lo scarto di fiducia tra paesi ^[C04].

La scala della variabile latente deve essere fissata, e non lo è nello stesso modo a ogni gradino:

Per questo lo scarto di fiducia tra paesi appare solo a partire dal gradino scalare: prima, non è identificabile.

In parole semplici: se gli item pesano in egual misura e partono dallo stesso livello nei due paesi, uno scarto di risposte non può che venire da uno scarto di fiducia.

1. Indagine sintetica generata da una ricorrenza congruenziale dichiarata (seme 20260916; x ← 1103515245 · x + 12345 mod 2³¹), identica in Python e in R.
2. Stima per massima verosimiglianza con struttura delle medie, sulle medie e covarianze di ogni paese.
3. Ottimizzatore BFGS con gradienti numerici; decomposizione di Cholesky; coda del χ² tramite la funzione gamma incompleta. Tutto è scritto a mano, senza libreria, perché Python e R stampino esattamente le stesse righe.
4. Indici di adattamento. Il χ² (chi quadrato) misura lo scarto tra il modello e i dati. Il CFI (comparative fit index) è la parte di quello scarto che il modello recupera rispetto a un modello senza alcun fattore comune: più si avvicina a 1, meglio è. Il RMSEA (root mean square error of approximation) è lo scarto medio per grado di libertà, giudicato buono sotto 0,05. Nel caso multigruppo, la formula del RMSEA è moltiplicata per √G, dove G è il numero di gruppi — qui √2.
5. Confronti di modelli annidati: differenza di χ² e variazione di CFI.
6. Errore standard della media latente tramite la matrice hessiana numerica.
7. Modello parziale: il programma calcola gli scarti di intercetta tra paesi sotto il modello metrico, poi libera l'intercetta il cui scarto assoluto è il più grande ^[C13]. La regola è applicata dal codice, non decisa a mano: sull'estrazione descritta qui, gli scarti valgono 0,17, 0,09, 0,46 e 0,06, e l'item 3 è selezionato.
8. La stessa procedura completa — generazione, modello metrico, selezione dell'item, modello scalare, modello parziale — è poi ripetuta su 100 estrazioni indipendenti, per distinguere ciò che è sistematico da ciò che dipende dal caso di un solo campione.

Le prime tre tabelle descrivono una sola estrazione: mostrano il meccanismo. La quarta, su 100 estrazioni, mostra ciò che è sistematico.

Attenzione alle unità: lo scarto di 0,194 visto sopra è in punti di scala, quelli di questa tabella in deviazioni standard di fiducia latente. Non si leggono l'uno contro l'altro. Riportato in punti di scala, lo scarto corretto vale 0,12: il punteggio grezzo sovrastima lo scarto di fiducia di circa il 60 %. Lo scarto di intercetta stimato dell'item 3 vale 0,33, per un valore vero di 0,40.

La regola di selezione ha scelto l'item 3 in 100 estrazioni su 100.

L'errore di simulazione è la deviazione standard delle 100 estrazioni divisa per √100. La distorsione del modello scalare, +0,156, la supera di gran lunga; quella del modello scalare parziale, +0,006, è dell'ordine della propria: non è distinguibile da zero.

• Un solo costrutto misurato dai quattro item. Gli item non misurano anche altro, come la soddisfazione?
• Normalità approssimativa delle risposte per la massima verosimiglianza. Le vostre risposte sono su 5 punti, con effetti pavimento o soffitto? Se sì, servono metodi ordinali.
• Almeno una parte degli item invariante: l'invarianza parziale presuppone di sapere quali item sono affidabili. Ipotesi non interamente verificabile: la scelta dell'item da liberare è guidata dai dati, cosa che comporta sempre un rischio di ragionamento ad hoc ^[C14], e deve essere replicata. Qui il modello parziale lascia vincolate le quattro ponderazioni e tre delle quattro intercette: la regola citata sopra ^[C12] è dunque soddisfatta, il che non la rende stabilita — la sua stessa fonte la riporta come molto discussa ^[C16].
• Modello parziale scelto a posteriori: l'errore standard, l'intervallo e il p del modello parziale presuppongono un modello fissato in anticipo. Non tengono conto del fatto che l'item liberato è stato scelto dopo l'esame dei dati, e sono dunque troppo ottimisti.
• Campioni indipendenti tra paesi. I vostri due campioni vengono da panel distinti, o uno stesso rispondente ha potuto rispondere per i due paesi o su due ondate?
• Due gruppi soltanto qui. Con più gruppi, gli stessi passaggi si applicano, ma le soglie usuali e il fattore √G cambiano, e la scelta degli item da liberare diventa più delicata.

• Il test del χ² è molto sensibile a piccoli scarti senza importanza nei grandi campioni ^[C06]; si guarda dunque anche la variazione del CFI. Un calo di più di 0,01 tra modelli annidati è la soglia comunemente usata ^[C05]. Qui, il modello scalare perde 0,036 di CFI, un netto segnale di non invarianza; il modello parziale non perde nulla.
• Il RMSEA racconta la stessa storia: 0,040 e 0,031 per i modelli configurale e metrico, 0,101 per lo scalare — il doppio della soglia usuale di 0,05 — e 0,028 per il parziale.
• Lo scarto di intercetta dell'item 3 localizza l'origine del problema.
• Errore standard dello scarto latente: 0,07. L'intervallo approssimativo al 95 %, calcolato sui valori non arrotondati a circa due errori standard, va da 0,04 a 0,31. Il verso dello scarto è stabilito; la sua ampiezza no, poiché quell'intervallo è compatibile sia con un effetto molto debole sia con un effetto sette volte più grande — e non tiene conto della selezione dell'item.

La struttura e le ponderazioni sono le stesse nei due paesi; le intercette no. L'analisi localizza lo scarto sull'item 3: in Germania quell'item raccoglie risposte più alte a pari livello di fiducia. Non dice perché. Qui sappiamo che la traduzione è in causa perché abbiamo costruito i dati così; su dati reali, un'intercetta non invariante designa l'item, mai la sua causa — resta da rileggere la traduzione, verificare l'ordine degli item o esaminare un uso locale del termine. Imporre l'uguaglianza delle intercette attribuisce quello scarto alla fiducia: su 100 estrazioni, questo aggiunge 0,15 deviazioni standard alla stima. Intercette disuguali falsano gravemente il confronto delle medie ^[C07].

• Permesso: «Una volta liberato l'item 3, la fiducia latente è più elevata in Germania di circa 0,18 deviazioni standard della distribuzione francese, con un'incertezza notevole (errore standard 0,07) e un modello scelto dopo l'esame dei dati.»
• Permesso: «Imporre l'uguaglianza delle intercette, nonostante un item non invariante, gonfia sistematicamente lo scarto stimato: di 0,15 deviazioni standard in media nella nostra simulazione.»
• Vietato: confrontare i punteggi medi grezzi dei due paesi senza aver stabilito l'invarianza scalare, almeno parziale. È solo sotto invarianza scalare che gli scarti di media latente rendono conto degli scarti di media degli item ^{[C09, C10, C11]}.
• Vietato: concludere dall'analisi che la traduzione è in difetto; essa designa un item, non una causa.
• Vietato: presentare queste cifre come un risultato di mercato; i dati sono sintetici.

Stabilire anzitutto la causa dello scarto sull'item 3 — traduzione, formulazione, uso locale —, poi correggere o sostituire l'item nella versione tedesca prima della prossima ondata. Nell'attesa, pubblicare i confronti tra paesi a partire dal modello parziale, mai dai punteggi grezzi. La decisione di rivedere la traduzione resta umana.

• Usare: appena si confrontano punteggi di scala tra paesi, lingue, segmenti od ondate d'indagine. La dimostrazione di questa pagina riguarda due gruppi, quattro item e risposte continue.
• Non usare da solo: con due item per costrutto, dove il modello è identificabile solo al prezzo di vincoli aggiuntivi — quelli stessi che il test dovrebbe mettere alla prova —, o con campioni molto piccoli.
• Alternative: i metodi per dati ordinali. L'invarianza parziale, divenuta una pratica corrente ^[C08], ma dagli standard variabili ^[C17]. L'invarianza approssimata, di ispirazione bayesiana, che vincola i parametri più strettamente dell'invarianza parziale invece di liberare completamente un item ^[C15].

• Python 3.14.5, sola libreria standard: python msc-p042-reference.py
• R 4.6.1, sola base: Rscript msc-p042-reference.R
• I due programmi stampano esattamente le stesse righe. Impronta sha256 dell'output, dopo normalizzazione dei fine riga: a0b6fce517d9c53684494d9aa6ccaffc9f0614d1299c464054f04dda98393972. Seme dichiarato 20260916. Nessuna libreria di terze parti: il software non valida il metodo, lo riproduce.
• Controllo esterno con il pacchetto R lavaan: previsto, non ancora realizzato a oggi.

La tabella dei quattro modelli e dei confronti, l'item difettoso e il suo scarto di intercetta, lo scarto latente tra paesi con il suo errore standard sotto il modello scelto, e la distorsione media che il modello scalare introduce su estrazioni ripetute.

• Putnick, D. L. & Bornstein, M. H. (2016). Measurement Invariance Conventions and Reporting. Developmental Review 41, 71–90. ↗ — manoscritto d'autore NIH in accesso aperto, testo integrale verificato ^{[C01–C10, C17, C18]}.
• Van de Schoot, R., Schmidt, P., De Beuckelaer, A., Lek, K. & Zondervan-Zwijnenburg, M. (2013). Facing off with Scylla and Charybdis: a comparison of scalar, partial, and the novel possibility of approximate measurement invariance. Frontiers in Psychology 4, 770. ↗ — accesso aperto con licenza CC BY, menzione letta nell'articolo stesso, testo integrale verificato ^[C11–C16].
• Livello di prova: dimostrazione su dati sintetici, un'estrazione descritta e 100 estrazioni ripetute, riproducibile in Python e in R. Non è un risultato di mercato.