教育经济学的实证研究、跨人口统计群体的技能差距测量以及干预对技能形成的影响依赖于心理计量学验证的测试分数，记录了正确回答项目的比例。考试成绩有时被视为人力资本不变尺度的衡量标准，可以随着时间和人群进行比较。我们证明，对于一个原型测试，不变性是违反的。我们使用了一个来自儿童早期干预项目的异常丰富的数据集，该数据集测量了在基本相同的任务子集上狭义定义技能的知识。我们考察的是，在那些在细节知识方面具有可比性的人群中，传统的、广义的技能衡量标准是否相同。我们拒绝总体规模不变的假设，并对在教育和技能形成研究中不加评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。