5、定性比較分析QCA定量-定性12第5.1節(jié)：組態(tài)的概念傳統(tǒng)的實(shí)證分析模型權(quán)變研究模型正如1-4章所述，實(shí)證分析基于還原論思想，探討某一個(gè)或少數(shù)幾個(gè)原因?qū)Y(jié)果的影響。雖然分析的非常細(xì)致，但關(guān)注的過(guò)于單一，過(guò)于微觀，導(dǎo)致只見(jiàn)樹(shù)木不見(jiàn)森林。左邊模型探討了X與Y關(guān)系的權(quán)變機(jī)制。但影響Y的因素可能除了X以外，還有很多，而且很有可能X不是主要因素。3第5.2節(jié)：組態(tài)的概念傳統(tǒng)的實(shí)證分析模型組態(tài)分析整體論-組態(tài)視角

X1、X2、…、Xn相互依賴(lài)對(duì)Y產(chǎn)生組合影響。多個(gè)因素的組態(tài)比單一因素對(duì)結(jié)果更重要。QCA的優(yōu)點(diǎn)在于：宏觀解釋力實(shí)證分析優(yōu)點(diǎn)在于：微觀機(jī)理專(zhuān)欄1.1“多重并發(fā)因果關(guān)系”簡(jiǎn)介多重并發(fā)因果關(guān)系是指：最常見(jiàn)的是，多個(gè)相關(guān)條件的組合引起結(jié)果(AB→Y)多個(gè)不同的條件組合可能產(chǎn)生同樣結(jié)果(AB+CD→Y,“+”表示布爾邏輯“或”)不同情境下，特定結(jié)果出現(xiàn)時(shí)，某個(gè)條件可能出現(xiàn)也可能不出現(xiàn)(AB→Y,同樣也可能aC→Y)。這個(gè)例子中，[A]與[B]組合會(huì)使某個(gè)結(jié)果發(fā)生，但同樣地，缺少A的[a]與[C]條件組合也能夠使該結(jié)果出現(xiàn)。第5.1節(jié)：組態(tài)的概念實(shí)證分析的權(quán)變視角：自變量、調(diào)節(jié)變量最多三項(xiàng)交互

多個(gè)自變量容易多重共線性問(wèn)題關(guān)注的是凈效應(yīng)

QCA的組態(tài)視角：變量相互依賴(lài)，共同產(chǎn)生結(jié)果多重實(shí)現(xiàn)非對(duì)稱(chēng)關(guān)系組態(tài)效應(yīng)研究的“分”VS企業(yè)家的“合”第5.1節(jié)：組態(tài)的概念一共有8個(gè)案例case影響outcome的主要因素為Right、Below，Inside?；诙诌壿?，假定1代表“好”、“高”、“存在”等概念。0代表“不好”、“不高”、“不存在”等概念。QCA的基本思想：從左邊8個(gè)案例可以推知如下結(jié)論：Right(1)且below(1)則outcome(1)CaseidRightBelowInsideOutcomecase10000case21000case30010case41010case50100case60110case71111case81101RIGHT*BELOW→OUTCOME第5.1節(jié)：組態(tài)的概念第5.1節(jié)：組態(tài)的概念定量分析的重要概念QCA分析的重要概念variables（變量）sets（集）measurement（測(cè)量）calibration（賦值，校準(zhǔn)）dependentvariables（因變量）qualitativeoutcomes（質(zhì)性結(jié)果變量）randomsample（隨機(jī)樣本）constructedsamples（根據(jù)結(jié)果變量的范圍來(lái)篩選與之相關(guān)的案例）correlationmatrix（相關(guān)矩陣）truthtable（真值表）neteffects（凈效應(yīng)）causalrecipes（因果組合）演繹溯因9第5.2節(jié)：

清晰集QCA(csQCA)與布爾代數(shù)貝洛—斯洛瑟和米契爾的戰(zhàn)爭(zhēng)期間項(xiàng)目：民主制度的存亡CASEID（國(guó)家/地區(qū)）GNPCAP人均國(guó)民生產(chǎn)總值URBANIZA城市化率LITERACY識(shí)字率INDLAB工業(yè)勞動(dòng)力SURVIVALAUS奧地利72033.49833.40BEL比利時(shí)109860.594.448.91CZE捷克斯洛伐克5866995.937.41EST愛(ài)沙尼亞46828.595140FIN芬蘭5902299.1221FRA法國(guó)98321.296.234.81GER德國(guó)79556.59840.40GRE希臘39031.159.228.10HUN匈牙利42436.38521.60IRE愛(ài)爾蘭662259514.51ITA意大利51731.472.129.60NET荷蘭100878.899.939.31POL波蘭3503776.911.20POR葡萄牙32015.33823.10ROM羅馬尼亞33121.961.812.20SPA西班牙3674355.625.50SWE瑞典8973499.932.31UK英國(guó)10387499.949.9110第5.2節(jié)：csQCA與布爾代數(shù)

為了使用csQCA，須根據(jù)相關(guān)閾值對(duì)原始條件進(jìn)行二分。二分條件，最好使用經(jīng)驗(yàn)（基于案例）和理論知識(shí)。-[GNPCAP]:人均國(guó)民生產(chǎn)總值（約1930年）如果低于600美元，為0；如果高于600美元，則為1。

-[URBANIZA]:城市化率（居民人口20,000以上的城鎮(zhèn)）如果低于50%，為0；如果高于50%，則為1。

-[LITERACY]:識(shí)字率如果低于75%，為0；如果高于75%，則為1。

-[INDLAB]:工業(yè)勞動(dòng)力（包括礦業(yè)）如果低于30%，則為0；如果高于30%，則為1。11第5.2節(jié)：csQCA與布爾代數(shù)如何以有意義的方式對(duì)數(shù)據(jù)進(jìn)行二元分割調(diào)整閾值時(shí)始終透明。最好在實(shí)質(zhì)性和/或理論基礎(chǔ)上證明閾值。如果這是不可能的，使用技術(shù)標(biāo)準(zhǔn)（例如，考慮按照連續(xù)集分布案例）。萬(wàn)不得已，可以使用一些更多的機(jī)械分界點(diǎn)，例如平均值或中值，但是應(yīng)該考慮到案例分布是否有意義。避免人為切割，分割非常相似值的案例。也可以使用更復(fù)雜的技術(shù)方法，例如聚類(lèi)技術(shù)，但是應(yīng)該評(píng)估聚類(lèi)在什么程度上產(chǎn)生理論或經(jīng)驗(yàn)意義。無(wú)論使用哪種技術(shù)或推理來(lái)二分條件，應(yīng)確保在正確的“方向”上對(duì)條件編碼，以便它們的存在（值[1]）在理論上預(yù)期與積極結(jié)果相關(guān)聯(lián)（結(jié)果值[1]）。13第5.2節(jié)：csQCA與布爾代數(shù)將18個(gè)案例轉(zhuǎn)換為6個(gè)組態(tài)通過(guò)csQCA技術(shù)將原始數(shù)據(jù)表進(jìn)行首次“合成”，其結(jié)果稱(chēng)為真值表，它是一個(gè)組態(tài)表。組態(tài)，就是與給定結(jié)果相關(guān)的給定條件組合，每種組態(tài)可以對(duì)應(yīng)0個(gè)、1個(gè)或多個(gè)案例。14第5.2節(jié)：csQCA與布爾代數(shù)具有結(jié)果[1]的，叫“1組態(tài)”具有結(jié)果[0]的，叫“0組態(tài)”具有結(jié)果[C]的，叫矛盾組態(tài)

例如案例AUS和FRA，就是矛盾的前因一樣，結(jié)果卻不一樣。

（可能二元分割不合理導(dǎo)致）基本上存在8個(gè)策略，在現(xiàn)實(shí)研究中，最好至少考慮所有這些策略，策略組合也是有用的。?可能是最簡(jiǎn)單的一個(gè)：只需添加一些條件到模型中。?從模型中刪除一個(gè)或多個(gè)條件，然后用（其他）條件替換它。?重新審視模型所包含的各種條件的操作方式。?重新考慮結(jié)果變量本身。?以更定性和“厚實(shí)”的方式審查每個(gè)具體矛盾組態(tài)中所涉及的案例。?重新考慮是否所有案例都是同一總體的一部分（參見(jiàn)案例選擇），例如，如果它是一個(gè)產(chǎn)生矛盾的“邊界”案例，也許這種案例應(yīng)該從分析中被排除。?將所有相互矛盾的組態(tài)重新編碼，使得結(jié)果值為[0]。?使用頻率標(biāo)準(zhǔn)來(lái)“定向”結(jié)果。如何解決矛盾組態(tài)16第5.2節(jié)：csQCA與布爾代數(shù)在模型中添加第五個(gè)條件：在Lipset理論的四個(gè)社會(huì)經(jīng)濟(jì)條件中增加“政治制度”。第五個(gè)條件是（GOVSTAB）。17第5.2節(jié)：csQCA與布爾代數(shù)仍有一對(duì)矛盾案例18第5.2節(jié)：csQCA與布爾代數(shù)真值表中仍有一個(gè)矛盾組態(tài)？再增加第六個(gè)條件，模型會(huì)變復(fù)雜將GNPCAP的條件閾值從$600改為$550.CASEIDGNPCAPURBANIZALITERACYINDLABGOYSTABSURVIVALAUS101100BEL,NET,UK111111CZE011111EST,FIN00101CFRA,SWE101111GER111100GRE,POR,SPA000000HUN,POL001000IRE101011ITA,ROM00001019第5.2節(jié)：csQCA與布爾代數(shù)CASEIDGNPCAP人均國(guó)民生產(chǎn)總值URBANIZA

城市化率LITERACY識(shí)字率INDLAB工業(yè)勞動(dòng)力SURVIVALAUS奧地利72033.49833.40BELL比利時(shí)109860.594.448.91CZE捷克斯洛伐克5866995.937.41EST愛(ài)沙尼亞46828.595140FIN芬蘭5902299.1221FRA法國(guó)98321.296.234.81GER德國(guó)79556.59840.40GRE希臘39031.159.228.10HUN匈牙利42436.38521.60IRE愛(ài)爾蘭662259514.51ITA意大利51731.472.129.60NET荷蘭100878.899.939.31POL波蘭3503776.911.20POR葡萄牙32015.33823.10ROM羅馬尼亞33121.961.812.20SPA西班牙3674355.625.50SWE瑞典8973499.932.31UK英國(guó)10387499.949.9120第5.2節(jié)：csQCA與布爾代數(shù)新的真值表沒(méi)有矛盾組態(tài)18個(gè)案例9個(gè)組態(tài)21第5.2節(jié)：csQCA與布爾代數(shù)一共5個(gè)變量，理論上應(yīng)該有25=32種可能。但是我們可觀察到9種組態(tài)。說(shuō)明還有23種未觀察到的“邏輯余項(xiàng)”?？赡墁F(xiàn)實(shí)中不存在，也可能沒(méi)有觀察到22第5.2節(jié)：csQCA與布爾代數(shù)考慮[1]組態(tài)，對(duì)其進(jìn)行約簡(jiǎn)（最小化），此時(shí)不考慮邏輯余項(xiàng)利用布爾代數(shù)總結(jié)規(guī)律23第5.2節(jié)：csQCA與布爾代數(shù)考慮[0]組態(tài)，對(duì)其進(jìn)行約簡(jiǎn)（最小化），此時(shí)不考慮邏輯余項(xiàng)24第5.2節(jié)：csQCA與布爾代數(shù)考慮[1]組態(tài)，對(duì)其進(jìn)行約簡(jiǎn)（最小化），考慮邏輯余項(xiàng)，假定邏輯余項(xiàng)的結(jié)果變量為1結(jié)果更簡(jiǎn)練25第5.2節(jié)：csQCA與布爾代數(shù)考慮[0]組態(tài)，對(duì)其進(jìn)行約簡(jiǎn)（最小化），考慮邏輯余項(xiàng)，假定邏輯余項(xiàng)的結(jié)果變量為0結(jié)果更簡(jiǎn)練第5.2節(jié)：csQCA與布爾代數(shù)結(jié)果的度量（類(lèi)似實(shí)證分析的擬合優(yōu)度）一致性：“條件A是結(jié)果的一個(gè)必要條件”的陳述具有多大程度的一致性。

測(cè)度方法：條件A的值為[1]且結(jié)果值為[1]的案例數(shù)量，除以，結(jié)果為[1]的全部案例數(shù)覆蓋度：最小公式（簡(jiǎn)約公式）覆蓋所觀察案例的對(duì)應(yīng)項(xiàng)（或路徑）。

以結(jié)果值[1]為例，有如下幾種覆蓋度

原始覆蓋度：給定項(xiàng)覆蓋結(jié)果值[1]的案例的占比。

唯一覆蓋度：結(jié)果值[1]的案例被給定項(xiàng)唯一覆蓋的案例占比

解的覆蓋度：所有項(xiàng)覆蓋結(jié)果案例的比例。第5.2節(jié)：csQCA與布爾代數(shù)軟件操作綠色軟件不需要安裝直接打開(kāi)第5.2節(jié)：csQCA與布爾代數(shù)軟件操作第5.2節(jié)：csQCA與布爾代數(shù)軟件操作第5.2節(jié)：csQCA與布爾代數(shù)軟件操作第5.2節(jié)：csQCA與布爾代數(shù)軟件操作B站上有相應(yīng)的視頻講解第5.3節(jié)：fsQCA與模糊集合把變量的取值映射為模糊集合校準(zhǔn)（Calibration）：是從變量概念轉(zhuǎn)換為集合概念如果可能，使用理論和實(shí)際的知識(shí)作為校準(zhǔn)的錨點(diǎn)，避免機(jī)械依賴(lài)樣本描述性統(tǒng)計(jì)校準(zhǔn)。其原因在于平均值和標(biāo)準(zhǔn)偏差隨著樣本的不同而變化。相比之下，物理科學(xué)的日常實(shí)踐是基于外部的可靠已知標(biāo)準(zhǔn)（如水的沸點(diǎn)）進(jìn)行校準(zhǔn)。但是，有時(shí)候樣本描述性是可以的。比如樣本是公開(kāi)的典型數(shù)據(jù)，透明、容易比較。有的時(shí)候樣本描述性是唯一可以采用的方式第5.3節(jié)：fsQCA與模糊集合清晰集三值模糊集四值模糊集六值模糊集連續(xù)模糊集1=完全隸屬1=完全隸屬1=完全隸屬1=完全隸屬1=完全隸屬0=完全不隸屬0.5=既非完全隸屬，也非完全不隸屬0.67=偏隸屬0.8=非常隸屬偏隸屬：0.5<X<10=完全不隸屬0.33=偏不隸屬0.6=有些隸屬0.5=交叉點(diǎn)，既非“隸屬”也非“不隸屬”0=完全不隸屬0.4=有些不隸屬偏不隸屬：0<X<0.50.2=非常不隸屬0=完全不隸屬0=完全不隸屬第5.3節(jié)：fsQCA與模糊集合注意：實(shí)證分析范式：

變量：取值客觀，取值從低到高，一個(gè)區(qū)間，可能越大越好，或者越小越好。創(chuàng)新績(jī)效QCA分析范式：

模糊集：一種偏好性集合，取值表示是否屬于這個(gè)偏好集合。取值越高越屬于該集合。

高創(chuàng)新績(jī)效Yi表示某案例i屬于創(chuàng)新績(jī)效Y的程度模糊集：直接校準(zhǔn)法定義集合（總是包含形容詞）如高績(jī)效、高創(chuàng)新找出三個(gè)錨點(diǎn)：完全隸屬閾值完全不隸屬閾值交叉點(diǎn)閾值例如，公司規(guī)模校準(zhǔn)為大企業(yè)（Fiss,2011）完全隸屬:250以上的規(guī)模完全不隸屬:<10個(gè)交叉點(diǎn):50個(gè)量表刻度(質(zhì)性的描述)提供了校準(zhǔn)的錨點(diǎn)（如1,3,5）校準(zhǔn)可以使用fsQCAcalibrate(X,n1,n2,n3)<10,50,>2500.05,0.5,0.95第5.3節(jié)：fsQCA與模糊集合校準(zhǔn)的例子把任意區(qū)間的值校準(zhǔn)到[0,1]通常先確定0.05,0.5,0.95三個(gè)臨界值

Country結(jié)果SURVIVEDSURVIVED-FZDEVELOPEDDEVELOPED-FZURBANAustriaSURVIVED-90.057200.8133.4BelgiumSURVIVED100.9510980.9960.5CzechoslovakiaSURVIVED70.895860.5869EstoniaSURVIVED-60.124680.1628.5FinlandSURVIVED40.775900.5822FranceSURVIVED100.959830.9821.2GermanySURVIVED-90.057950.8956.5GreeceSURVIVED-80.063900.0431.1HungarySURVIVED-10.424240.0736.3IrelandSURVIVED80.926620.7225ItalySURVIVED-90.055170.3431.4NetherlandsSURVIVED100.9510080.9878.8PolandSURVIVED-60.123500.0237PortugalSURVIVED-90.053200.0115.3RomaniaSURVIVED-40.213310.0121.9SpainSURVIVED-80.063670.0343SwedenSURVIVED100.958970.9534UnitedKingdomSURVIVED100.9510380.9874第5.3節(jié)：fsQCA與模糊集合模糊集運(yùn)算

3種常見(jiàn)的運(yùn)算：非（negation）,邏輯與（and）以及邏輯或（or）~A=[1]-A邏輯與（AND）：交集?交集隸屬分?jǐn)?shù)取決于最小的構(gòu)成集合的隸屬分?jǐn)?shù)邏輯或（or）：并集

?并集隸屬分?jǐn)?shù)取決于最大的構(gòu)成集合的隸屬分?jǐn)?shù)第5.3節(jié)：fsQCA與模糊集合回答如何由每個(gè)條件的隸屬度求解整個(gè)組態(tài)的隸屬度第5.3節(jié)：fsQCA與模糊集合一致性：Consistency充分一致性公式Consistency(Xi≤Yi)=∑(min(Xi,Yi))/∑(Xi)當(dāng)所有的Xi均小于或等于相對(duì)應(yīng)的Yi值時(shí)，一致性分?jǐn)?shù)為1.00；當(dāng)只有少數(shù)Xi略微超過(guò)Yi時(shí)，一致性接近1.00；當(dāng)有較多不一致分?jǐn)?shù)，且一些Xi值顯著超過(guò)相應(yīng)的Yi值時(shí)，一致性下降到低于0.5。模糊集分析中一致性評(píng)估的證據(jù)基礎(chǔ)要比清晰集和多值分析中大（所有案例都被使用）第5.3節(jié)：fsQCA與模糊集合一致性：ConsistencyPRI公式防止出現(xiàn)邏輯矛盾：條件組態(tài)X對(duì)于Y和~Y都顯得充分（一致性相近）。PRI公式考慮上兩者的取舍。第5.3節(jié)：fsQCA與模糊集合一致性的大體含義：第5.3節(jié)：fsQCA與模糊集合覆蓋度：Coverage第5.3節(jié)：fsQCA與模糊集合三種解復(fù)雜解：僅使用觀察案例分析產(chǎn)生的結(jié)果的組態(tài)。簡(jiǎn)約解：容易和困難的邏輯余項(xiàng)均用于分析產(chǎn)生的組態(tài)（Coreconditionsarepresentedhere）。中間解：使用容易的反事實(shí)分析，產(chǎn)生包括核心和邊緣條件的組態(tài)（Peripheralconditionscanbeidentified）。Acombinationofparsimoniousandintermediatesolutionsareusedforresultsreport.第5.3節(jié)：fsQCA與模糊集合軟件操作綠色軟件第5.3節(jié)：fsQCA與模糊集合軟件操作第5.3節(jié)：fsQCA與模糊集合軟件操作可以打開(kāi)Excel數(shù)據(jù)第5.3節(jié)：fsQCA與模糊集合軟件操作校準(zhǔn)數(shù)據(jù)第5.3節(jié)：fsQCA與模糊集合軟件操作校準(zhǔn)數(shù)據(jù)第5.3節(jié)：fsQCA與模糊集合軟件操作countrysurvivsurvivfzsurvivcrindusindusfzinduscrPortugal-90.05023.10.110Italy-90.05029.60.470Austria-90.05033.40.731Germany-90.05040.40.961Spain-80.06025.50.210Greece-80.06028.10.360Poland-60.12011.200Estonia-60.12