哪些情况可以用，哪些情况会变得有风险——清晰判断标准
在做问卷分析时，
你几乎一定会听到这样一句话：
“Likert 量表是序数变量，用平均值可以吗？”
这个问题的答案，
并不是简单的“可以 / 不可以”。
关键不在于用了平均值本身，
而在于在什么情况下用、怎么用。
The Brain 在大量论文审稿与分析支持过程中发现，
平均值不被质疑的情况，
和被导师或审稿人指出问题的情况，
其实界限非常清楚。
1️⃣ 多题项量表时，使用平均值相对安全
当一个概念由多个题项构成，
并被整合为一个总体得分时，
使用平均值的接受度会明显提高。
原因包括：
单个题项的序数属性被弱化
测量误差在平均过程中被平滑
将其近似为连续变量的假设更合理
也就是说，
相比单一题项，多个题项构成的量表使用平均值更有说服力。
2️⃣ 单一题项的平均值，需要非常谨慎解释
单一 Likert 题项的平均值
在形式上经常被使用，
但解释空间非常有限。
高风险情形包括：
强调“非常细微的平均差异”
对 3.2 vs 3.4 这类差距赋予过多意义
在这种情况下，
平均值只能作为参考指标，
而不适合作为核心论据。
3️⃣ 必须检视：量表分值之间是否真的“等距”
使用平均值的前提是：
各分值之间的间距是相等的。
但在现实中，常见问题包括：
“非常同意”与“同意”之间的心理距离
“一般”的理解在不同受访者之间差异很大
如果不同受访者对分值间距的理解并不一致，
那么平均值的解释可靠性就会降低。
在这种情况下，更安全的做法是：
同时呈现比例
分布
中位数
而不是只给出平均值。
4️⃣ 是否使用平均值，取决于分析目的
平均值本身既不是“一定好”，
也不是“一定错”。
相对适合的情形：
比较不同群体的整体趋势
在回归或相关分析中作为因变量
需要特别谨慎的情形：
作为政策或制度判断的直接依据
设定明确的阈值或标准线
分析目的越偏向“精确决策”，
单独使用平均值的风险就越高。
5️⃣ 使用平均值时，必须进行“补充呈现”
最稳妥的做法不是完全不用平均值，
而是在使用平均值的同时进行补充说明。
推荐组合方式：
平均值 + 标准差
平均值 + 应答比例
平均值 + 分布图
这样可以在结构上弥补平均值的局限。
结论：问题不在统计本身，而在解释方式
仅仅因为对 Likert 量表使用了平均值，
论文并不会因此出问题。
真正出问题的时刻是：
对平均值进行过度、精细、超出其承载能力的解释。
安全使用的核心原则总结：
以多题项量表为主
单一题项仅作为辅助指标
清楚意识到“等距假设”的局限
根据分析目的判断是否适用
与分布、比例等指标共同呈现
The Brain 并不是简单地“建议使用”或“建议回避”Likert 平均值，
而是从审稿与答辩可解释性出发，
帮助研究者设计经得起质疑的分析结构。
