Income redistribution is determined, to some extent, by how fair citizens judge the income distribution in their societies to be. Nonetheless, there seems to be a contradiction between what people declare as a fair income distribution, and the increase in inequalities across countries. An unexplored methodological reason for that is that survey instruments do not perfectly capture individual’s perception of income fairness, biasing results. Therefore, in this paper we use data from a Multitrait-Multimethod experiment conducted in wave 6 of the probability-based CROss-National Online Survey (CRONOS) panel in Great Britain, Estonia and Slovenia. Specifically, we explore the effect of three different scales on how fair people report an income to be, and the subsequent measurement quality of these answers. Overall, we find that survey scales do have an impact on what people report as a fair income, and the quality of these answers. Specifically, we find that the use of branching scales increases participants’ likelihood of considering an income distribution as “Fair”, while using partial-labelling and visual clues to separate (fair/unfair) dimensions increases the likelihood of considering these as “extremely unfair high/low.” In addition, our results suggest that using a 9-point fully labelled unfolding scale without visual clues yields the best measurement quality across all countries, being preferred over the other tested methods (9-point partially labelled unfolding scale with visual clues; 9-point fully labelled branching scale without visual clues).

收入再分配在某种程度上取决于公民如何判断他们所在社会的收入分配是否公平。尽管如此，人们宣称的收入分配公平与各国不平等现象的加剧之间似乎存在矛盾。一个未被探索的方法论原因是，调查工具不能完美地捕捉个人对收入公平的看法，结果有偏差。因此，在本文中，我们使用的数据来自英国、爱沙尼亚和斯洛文尼亚基于概率的 CROss 全国在线调查 (CRONOS) 面板的第 6 波中进行的多特征-多方法实验。具体来说，我们探讨了三种不同尺度对人们报告收入的公平程度的影响，以及这些答案的后续测量质量。全面的，我们发现调查规模确实会影响人们报告的公平收入以及这些答案的质量。具体来说，我们发现使用分支量表增加了参与者将收入分配视为“公平”的可能性，而使用部分标签和视觉线索来区分（公平/不公平）维度增加了将这些分配视为“极度不公平”的可能性前高后低。” 此外，我们的结果表明，使用没有视觉线索的 9 点完全标记展开量表在所有国家/地区产生最佳测量质量，优于其他测试方法（9 点部分标记展开量表，带有视觉线索；9 点没有视觉线索的完全标记的分支尺度）。我们发现，使用分支量表增加了参与者将收入分配视为“公平”的可能性，而使用部分标签和视觉线索来分离（公平/不公平）维度增加了将这些视为“极度不公平的高/低的。” 此外，我们的结果表明，使用没有视觉线索的 9 点完全标记展开量表在所有国家/地区产生最佳测量质量，优于其他测试方法（9 点部分标记展开量表，带有视觉线索；9 点没有视觉线索的完全标记的分支尺度）。我们发现，使用分支量表增加了参与者将收入分配视为“公平”的可能性，而使用部分标签和视觉线索来分离（公平/不公平）维度增加了将这些视为“极度不公平的高/低的。” 此外，我们的结果表明，使用没有视觉线索的 9 点完全标记展开量表在所有国家/地区产生最佳测量质量，优于其他测试方法（9 点部分标记展开量表，带有视觉线索；9 点没有视觉线索的完全标记的分支尺度）。而使用部分标签和视觉线索来区分（公平/不公平）维度会增加将这些视为“极不公平的高/低”的可能性。此外，我们的结果表明，使用没有视觉线索的 9 点完全标记展开量表在所有国家/地区产生最佳测量质量，优于其他测试方法（9 点部分标记展开量表，带有视觉线索；9 点没有视觉线索的完全标记的分支尺度）。而使用部分标签和视觉线索来区分（公平/不公平）维度会增加将这些视为“极不公平的高/低”的可能性。此外，我们的结果表明，使用没有视觉线索的 9 点完全标记展开量表在所有国家/地区产生最佳测量质量，优于其他测试方法（9 点部分标记展开量表，带有视觉线索；9 点没有视觉线索的完全标记的分支尺度）。