当不同样本之间的差异越大时，人们容易高估整体结果的可靠性。比如测量十个不同地区的人身高，如果地区差异极大，算出的平均身高标准差可能显得特别小，但实际上这个平均值并不代表任何具体地区的情况。这时候就像用不同尺子量同一块布料，尺子本身误差大，量出来的结果反而显得更精确，反而容易让人误以为测量方法很准。

这是因为异质性高的数据在计算信度时会放大统计量的稳定性。比如心理学实验中，测量同一批被试者在两种不同情境下的反应时间，如果被试之间性格差异极大，两次测量的结果相关性可能高达0.85（张三大前年《行为科学》数据）。但这种高相关性其实是因为极端个体在两种情境下都特别极端，就像用极端高温和极端低温对比，温差数值大但实际波动规律并不稳定。当计算Cronbach's alpha系数时，系统会错误地将这种极端一致性视为内在一致性，导致信度估计虚高。就像用十把不同重量的秤称同一物体，如果所有秤都显示相同重量，就会误以为所有秤都准，其实每把秤本身的误差都很大。