一道满意度题在 1 下写“非常不满意”，在 5 下写“非常满意”，中间的 2、3、4 没有文字。设计者可能以为五个数字天然等距，参与者却需要自己决定：3 是中立、一般、说不清，还是满意与不满意各占一半；2 与“比较不满意”有多近，也没有共同答案。
标签不是刻度旁的说明，而是回答类别的含义。对视觉呈现的五点量表，如果能写出简短、同维度、按强度有序且两端对称的类别，完整标注通常是更清楚的起点；如果为了填满五格而造出重叠、方向混乱的词，端点标注反而可能更少误导。已有验证量表、长期趋势或跨模式研究，应优先保留原标签，并用认知与随机桥接证据决定是否改版。
先判断这条轴从哪里到哪里
标几处之前，先定义量表是单极还是双极。单极轴从“没有某种属性”增加到“非常多”，例如“完全不重要—非常重要”；双极轴从一种方向经过中间位置到相反方向，例如“非常不满意—既不满意也不不满意—非常满意”。把两者混写，会让最低点的含义从“缺少”滑成“相反”。
例如题干问“您有多同意这个说法”，五个选项写成“非常同意、比较同意、一般、不太同意、完全不同意”。这里的“一般”可能表示态度中立，也可能表示强度普通或不知道；“不太同意”又可能是轻微同意，也可能是轻微反对。换成“完全不同意、比较不同意、既不同意也不反对、比较同意、完全同意”，至少把双极方向写清，但仍不证明五个心理间隔相等。
不知道、没经历、无法判断和拒答不应挤进实体刻度。它们说明参与者没有在目标连续轴上定位，而不是处在中点。若把“不确定”放在 3，平均分上升或下降时就无法知道是态度变化，还是更多人缺少判断依据。
完整标签能增加清晰度，也会重新划分尺度
Maitland 对相关研究的综述指出，完整标注常在可靠性等指标上优于只标端点，并且对教育程度较低、较易遇到理解困难的参与者可能更有帮助。综述同时强调，真正标准应是标签是否让量表更清楚；五点比十一点更容易写出不重叠的词，电话施测又比网页自填更难让人同时记住整套标签。
完整标签的代价是每个副词都会成为信息。“稍微”“有点”“比较”“相当”并不是等距刻度线，它们在不同人、地区和语言中可能换序或重叠。数字也不是中性的装饰：从 -2 到 +2 容易暗示正反两极，从 1 到 5 则可能让低分更像属性较少。文字、数字、左右方向、色彩和间距共同组成实际量尺。
因此，不能从“完整标签平均更好”跳到“所有五点题都应自行补齐标签”。直接使用已有量表时，标签、点数、顺序和计分属于测量工具的一部分；擅自把原来的 0—10 端点量尺改成五个中文词，会失去原研究的可比依据。若标签无法忠实翻译，也应记录为翻译与测量问题，而不是只保留数字假装跨语言已经等值。
反例提醒：更多文字不必然更接近等距
Höhne、Krebs 与 Kühnel 在德国概率在线面板中把 4,851 人随机分到四种五点量表，交叉比较完整／端点标注和单极／双极表达，题目来自欧洲社会调查的收入平等态度。研究发现，完整与端点标注会改变四道题的回答分布；完整双极与端点双极之间没有达到标量不变，而且完整双极的潜在阈值等距表现较差。
这项结果反驳“写满五个词就天然更精确”，但不能反向证明端点标注在所有满意度、频率或难易题上最好。研究只覆盖德国在线面板、收入平等态度和研究所用的具体德语标签；作者也明确说没有在该研究中直接评估可靠性与效度，并建议扩展到其他主题、数字编码和跨文化场景。
另一项 GESIS Panel 研究在网页与邮寄两种自填模式中做多特质多方法实验，比较七点完整标签、十一点端点标签和 0—100 开放数字量尺；其两个主题实验中，十一点端点标签的测量质量最高。它说明施测模式、点数和标签是组合设计，不能把一个研究里的“完整／端点”效应从其余部件中拆出来照搬。
一张标签合同先拦住语义错误
| 合同字段 | 发布前要写清 | 不合格信号 |
|---|---|---|
| 目标构念 | 满意、难易、频率、强度或同意中的一种 | 题干问满意，选项却从“差”到“好” |
| 极性 | 从无到多，还是从负到正 | 最低点有时表示“没有”，有时表示“相反” |
| 端点 | 尽量使用固定而充分的边界 | 只写“满意—不满意”，两端仍可继续延伸 |
| 中点 | 实质中立或轴上的中等程度 | 同时承担一般、不知道与不适用 |
| 相邻类别 | 目标人群能解释差别并稳定排序 | “比较”与“相当”被频繁颠倒 |
| 非实体状态 | 不知道、不适用、拒答单独编码 | 被记作 3 分后参与均值 |
合同不能靠内部编辑独自批准。先让目标参与者逐项解释“选到这里意味着什么”，再把标签卡随机打乱，请他按强度排序并说明相邻差别。若多数人能排对顺序，却说两个词没有实际差异，多出来的刻度可能只是视觉分辨率；若不同人把中点理解成不同状态，应改标签或拆出不知道，而不是继续计算一个看似精细的平均分。
用一波随机桥接决定能不能换标签
以下为说明性算例，不代表量表基准。团队长期用五点端点标注测量“完成退款有多容易或困难”，准备改成五点完整标签。600 名符合相同资格的近期退款用户随机分为两组，每组 300 人；两版题干、回忆事件、邀请、选项方向和页面位置相同，只改变中间三档文字。上线前规定同时比较完整分布、顶部两档、与退款时长的关系、作答时间及认知解释。
完整标签组五档人数为 24、54、75、93、54，平均 3.33，顶部两档 147/300＝49%；端点标签组为 18、42、81、111、48，平均 3.43，顶部两档 159/300＝53%。顶部两档相差 4 个百分点，按两个独立比例的大样本近似，95% 区间约为 -4.0 至 12.0 个百分点，单看这项不能确认方向明确的差异。
但“没有明显均值差”也不能直接宣布等价。团队还要看五档分布是否在新标签处堆积、标签与实际退款时长的顺序关系是否合理，以及参与者怎样解释中点。若目标是趋势连续，可保留原版并继续研究；若完整标签显著改善理解，即便产生小断点，也可能选择新版，同时保留桥接波、标注版本变化，停止把改版前后裸均值当成纯体验变化。
不同场景的起始选择
- 新设计的五点网页自填题：优先尝试完整、短而对称的项目特定标签；认知测试不过就减少点数或重写，不堆叠近义副词。
- 七点或十一点视觉量尺：先确认中间等级是否真的需要；端点或部分标注可能更可行，但要测试数字与未标点怎样被理解。
- 电话或语音施测：参与者无法持续看到所有类别，宜减少点数、采用分支或重复必要标签，并单独检验模式差异。
- 经验证量表与长期 KPI：保持原题干、标签、方向和计分；任何改动都作为新版本桥接，不以“只是文案优化”跳过验证。
- 多语言研究：比较的是功能相同的强度位置，不是词典上的逐字对应；每种目标语言都要测试排序、中点和端点。
问卷派可以配置等级题、矩阵与随机版本，并在导出中保留题目和分组；平台不会决定“比较”与“相当”是否同序，也不会让 1—5 自动成为等距数据。多个项目放入矩阵前可先看矩阵量表的构念与布局检查，多语言标签使用翻译与可比性流程，改版桥接参考问卷随机化设计。可发布的量尺不是标签最多的量尺，而是每个类别都说明了什么、谁能稳定使用，以及版本改变后结论应在哪里断开。
研究来源
- Maitland：Should I Label All Scale Points or Just the End Points for Attitudinal Questions?（2009）
- Höhne、Krebs 与 Kühnel：Measurement Properties of Completely and End Labeled Unipolar and Bipolar Scales（2021）
- Schwarz、Weber、Minderop 与 Weiß：In Search of the Best Response Scale in a Mixed-Mode Survey（2021）