教育经济学的实证研究、人口群体间技能差距的测量以及干预措施对技能形成的影响，都依赖于心理测量学验证的测试分数，该分数记录了正确回答的项目比例。考试分数有时被用作衡量人力资本的不变尺度，可以在时间和人之间进行比较。我们证明，对于一个原型测试，不变性是违反的。我们使用了来自儿童早期干预项目的异常丰富的数据集，该项目测量了在基本相同的任务子集上狭义定义的技能知识。我们检查传统的、广泛定义的技能衡量标准是否在详细的知识衡量标准上具有可比性的人之间是相同的。我们拒绝总规模不变性的假设，并对在教育和技能形成研究中不加批判地使用考试分数提出质疑。我们比较了技能和能力的不同衡量标准，拒绝了有效的技能综合衡量标准的假设。