定性比较分析（QCA）方法介绍

　　最近学习了QCA这个研究方法，想到可能会有朋友今后也需要学这个，于是总结了一些基本知识，实现小白之间的互助，如有不对之处，欢迎大家交流指正。

　　举例：我们认为衣服的质量、价格、款式、卖家的信誉、好评度（以上为自变量），都会影响我们决定是否购买这件衣服（因变量）。因此，当我们想要研究质量好，价格低，但是款式差或者质量差，价格低，但是卖家信誉好（条件的不同组态），哪种情况更能促进我们购买它（实现结果）。此时，适用的方法就是QCA。

　　定性比较分析（Qualitative Comparative Analysis，QCA）采用组态比较方法（CCM），即将案例看作条件的组态，在确定所要解释的特定结果和条件/变量的基础上，分析条件/条件组合是得到预期结果的“必要”或“充分”条件。

　　QCA分析旨在通过案例间的比较，找出条件组态与结果间的因果关系，回答“条件的哪些组态可以导致期望的结果出现？哪些组态导致结果的不出现？”这类问题。例如组织绩效由战略、结构与环境三种要素的组合所共同决定。

　　一、QCA方法的假设

　　首先，QCA 方法认为“单个原因对结果有其各自的和独立的影响”的思想不成立，并提出“并发因果关系”的假设，即多个原因同时出现（或者以某种方式整合）并构成某个结果的“原因组合”。

　　其次，一个给定的原因组合可能并不是产生某个特定结果的唯一途径，其他组合可能也会产生同样的结果。

　　再次，因果效应不再具有一致性；相反，一个给定的原因与某些条件组合时可能对结果产生正向影响，而与其他条件组合时则可能产生负向影响。

　　最后，不再假设因果关系的对称性，而是假定原因的非对称性——某个结果的出现与否可能需要不同的“原因组合”来分别解释。

　　二、QCA方法理论基础

　　1、集合论思想（QCA的核心逻辑）

　　如果将研究问题或现象看作一个完整集合，那么引发这个问题或现象的诸多原因，就是这个集合的不同子集。拉金认为，社会科学研究中的许多命题都可以用集合之间的隶属关系来表示。例如，“发达国家都是民主国家”就表明：发达国家这个集合是民主国家这个集合的一个子集。基于此，通过一定数量的多案例比较，QCA利用布尔代数的运算法则可以寻找到集合之间普遍存在某些隶属关系，展开因果关联的分析。

　　2、布尔代数

　　布尔代数的基本规定是：将某个变量出现或不出现用二分法表示为1/0，出现就取值为１或用大写字母表示，不出现则取值为０或用小写字母表示；用“＋”表示“或”的关系，用 “*”表示“和”的关系，用“＝”以及“→”表示“推导出”。可以将以上这些符号用于表示集合关系的运算之中，例如，A*B=Ｙ就意味着当条件变量Ａ和Ｂ同时发生时，就可以推导出结果变量Ｙ。

　　3、逻辑真值表（Truth Table）

　　逻辑真值表是由所有进行二分法处理后的变量组合建立的。真值表既可以反映出结果现象发生或不发生时多种条件的具体状态，同时还可以从中看出，多种条件出现或不出现之间的组合关系，进而得出这些组合是如何导致，以及在多大程度上决定了结果现象的发生或不发生。

　　例如，导致现象Ｄ发生的相关条件变量有A\B\C三个，那么在Ｄ=１的情况下，相应的所有条件组合的可能就有2³=８种，其中A\B\C分别取值1\0表示各自发生或不发生。具体８种组合可以用如下矩阵表示。真值表

　　4、布尔最简化原则

　　“如果在两个布尔代数表达式中只有一个条件的取值不相同，且它们得出相同的结果，那么这个取值不同的条件就是冗余的、可以删除的，这样就能得出一个较为精简的布尔代数表达式。”

　　依据“布尔最简化原则”，QCA最终要找到的是解释结果变量发生的最典型、最精简、最核心的原因组合路径。特别是对于一些由复杂或繁多因素共同作用而产生的案例结果，QCA要做的是将各个复杂条件组合不断简化，排除冗余变量和矛盾组合，从而发现影响结果的关键因子和关键条件组合，建立相关的解释模型。布尔简化图

　　D=ABC+ABc+Abc+abc，简化得，D=AB+bc

　　因此，QCA能充分分析社会现象的多样性与因果关系的复杂性，它能提供不同的因素组合对结果的影响作用，以便于研究者更深入地挖掘变量与结果之间的作用机制，为更深入的研究提供方向。

　　三、定性比较分析（QCA）方法分类

　　QCA 根据变量类型分为csQCA（清晰集定性比较分析），mvQCA（多值定性比较分析）以及fsQCA（模糊集定性比较分析）。

　　1、清晰集定性比较分析（csQCA）

　　csQCA是一个利用二进制数据处理问题的工具。主要基于布尔代数这一特定语言，将二进制数据（0或1）作为输入，并使用程序的逻辑运算。

　　（1）csQCA的特定语言——布尔代数

　　（2）仅使用二进制数据（[0]或[1]）

　　（3）在进行运算之前，需要实现每个变量有用和有意义的二分处理，即[0]或[1]赋值。（例如：在运算中，将性别进行二分法赋值。男性赋值为[1]，女性赋值为[0]）

　　（4）存在的问题：强制使用二分变量，具有信息丢失的风险，并且容易出现许多矛盾组态。

　　2、多值集定性比较分析（mvQCA）

　　多值集定性比较分析（mvQCA）保留了csQCA的主要原则，是csQCA的延伸和扩展。

　　（1）它保留了csQCA的主要原则，即执行综合的数据集，让具有相同结果值的案例被一个简约解（最小公式）“覆盖”。

　　（2）区别是，csQCA只允许二分变量，然而mvQCA还允许多值变量。

　　（3）多值变量可以从多分类定类、定序和定距数据的多个阈值中获得。

　　（4）多值条件的标度必须以值[0]为起点，然后[1]、[2]、[3]等等。例如：

　　3、模糊集定性比较分析（fsQCA） 模糊集定性比较分析（fsQCA）解决了部分隶属的问题。它允许研究者进行数据校准，将变量校准在[0]（完全不隶属）和[1]（完全隶属）之间的任何数值。

　　（1）考虑到了部分隶属关系，变量赋值在[0]-[1]之间的任何数值。

　　（2） 三值集是基本的模糊集，当然也有四值集、五值集等。三值集的校准点一般为完全隶属（1）、完全不隶属（0）和交叉点 。

　　（3）校准点可以选择0.95、0.50、0.05，也可以选择上下四分位数和均值。校准点的选择需要考虑具体数据和变量。

　　（4）优点：具有精准区分的能力，同时允许集合理论的运算。

本文 zblog模板 原创，转载保留链接！网址：https://www.uuaaf.com/post/542.html