教育经济学的实证研究、跨人口群体的技能差距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，这些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规模的衡量标准，可以随着时间和人员进行比较。我们表明，对于一个原型测试，不变性是违反的。我们使用了来自幼儿干预项目的异常丰富的数据集，该数据集衡量了在本质上相同的任务子集上狭义定义的技能的知识。我们研究的是，传统的、广义的技能衡量标准，在那些在细节知识衡量标准上具有可比性的人之间，是否相同。我们拒绝总规模不变的假设，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，并拒绝了有效的技能综合衡量标准的假设。