日学一术 | QCA原理及应用

什么是QCA

作为一种试图弥合定性和定量研究方法鸿沟的独特分析技术，定性比较分析方法（Qualitative Comparative Analysis, QCA）在20世纪80年代由社会学家Ragin（1987）率先提出。

QAC方法是一种基于布尔代数的比较分析法（布尔代数的实质是一种集合运算，其运算逻辑是“或”“且” “非”），它不同于传统回归分析对于单个变量的“净效应”的关注（本质是概率），它将每个案例视为一系列条件变量的“组态”（configurations），旨在寻找导致预期结果出现/不出现的条件变量的组合关系，即充分条件和必要条件，其本质是一种决定性因果。

QCA方法虽然通过遵从定量研究的规范分析程序和方法，试图规避对于质性研究主观性的批评，但应当意识到其本质上仍然是一种定性案例研究。

QCA方法主要适用于中等数量（10<N<30）的案例研究，但近年来，其在处理大样本和分析复杂组态问题的功能也开始受到管理学者的关注（伯努瓦·里豪克斯、查尔斯·C·拉金，2007）。

在类型上，QCA方法主要分为清晰集定性比较分析法（csQCA）、多值集定性比较分析法（mvQCA）和模糊集定性比较分析法（fsQCA）。清晰集QCA要求对所有的分析条件进行二进制校准，多值集QCA则可以对多值条件标度[0][1][2]等的不同状态，而模糊集QCA可以对分析条件进行0到1之间任意数值的校准。

对传统的颠覆：多重并发因果关系

QCA方法打破了主流统计方法中的部分核心假设（这些假设是大多数统计技术的基础）。在QCA方法中：

1. 不存在恒定不变的因果关系。

2. 因果效应的一致性假设被打破。一个给定的原因与某些条件组合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。

3. 分析单位不具备同质性。

4. 可加性假设被打破。“单个原因对结果有其各自和独立的影响”的思想被“并发因果关系”的假设替代——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”。

5. 不再假定因果关系的对称性。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。

如何进行QCA研究设计

QCA一般遵从以下步骤：

第一，案例选择。QCA偏向于“案例导向”的小数量和中等数量案例研究。不同于“变量导向”的大样本统计，采用机械程序选择案例，如随机抽样；QCA案例经过仔细定义和选择，以便最大化研究因素的多样性，并最小化背景条件的变异性。

第二，条件选择。研究者需要回到文献找到重要的影响分析结果的条件，在中等样本的分析（例如，10-40个案例）中，通常是选择4-6或4-7个解释条件。

第三，对于分析结果与条件进行校准。校准过程是将分析条件与结果操作化的过程，其需要透明以实现重复性。研究者需要结合相关理论对于条件与结果进行校准。

第四，使用软件进行分析。QCA方法的常用软件是TOSMANA和FSQCA。研究者需要先进行必要条件分析，辨识出充分条件的一致性和覆盖度，之后再进行充分条件分析，得出解释结果的不同路径。

第五，对于分析结果进行解释。软件分析会给出不同路径，研究者需要对于这些路径进行解读。尤为重要的是，研究者需要回到案例对于路径指代的场景化信息进行解释。

参考文献

[1] 丹尼尔·卡拉曼尼.《基于布尔代数的比较法导论》[M].蒋勤，译.上海：格致出版社：上海人民出版社，2012.

[2] 伯努瓦·里豪克斯，查尔斯·C·拉金.《QCA设计原理与应用：超越定性与定量研究的新方法》[M].杜运周，李永发，译.北京：机械工业出版社，2017.

[3] 杜运周，贾良定.《组态视角与定性比较分析（QCA）：管理学研究的一条新道路》[J].《管理世界》，2017，（6）：155-167.

[4] 公众号“研论社科”：《三个特征，帮你了解QCA的独特研究技术》，2019.

相关推荐

本期编辑：徐佩奇