管理研究方法：逻辑、软件与案例 课件 第5章：定性比较分析方法

5、定性比较分析QCA定量-定性12第5.1节：组态的概念传统的实证分析模型权变研究模型正如1-4章所述，实证分析基于还原论思想，探讨某一个或少数几个原因对结果的影响。虽然分析的非常细致，但关注的过于单一，过于微观，导致只见树木不见森林。左边模型探讨了X与Y关系的权变机制。但影响Y的因素可能除了X以外，还有很多，而且很有可能X不是主要因素。3第5.2节：组态的概念传统的实证分析模型组态分析整体论-组态视角

X1、X2、…、Xn相互依赖对Y产生组合影响。多个因素的组态比单一因素对结果更重要。QCA的优点在于：宏观解释力实证分析优点在于：微观机理专栏1.1“多重并发因果关系”简介多重并发因果关系是指：最常见的是，多个相关条件的组合引起结果(AB→Y)多个不同的条件组合可能产生同样结果(AB+CD→Y,“+”表示布尔逻辑“或”)不同情境下，特定结果出现时，某个条件可能出现也可能不出现(AB→Y,同样也可能aC→Y)。这个例子中，[A]与[B]组合会使某个结果发生，但同样地，缺少A的[a]与[C]条件组合也能够使该结果出现。第5.1节：组态的概念实证分析的权变视角：自变量、调节变量最多三项交互

多个自变量容易多重共线性问题关注的是净效应

QCA的组态视角：变量相互依赖，共同产生结果多重实现非对称关系组态效应研究的“分”VS企业家的“合”第5.1节：组态的概念一共有8个案例case影响outcome的主要因素为Right、Below，Inside。基于二分逻辑，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：从左边8个案例可以推知如下结论：Right(1)且below(1)则outcome(1)CaseidRightBelowInsideOutcomecase10000case21000case30010case41010case50100case60110case71111case81101RIGHT*BELOW→OUTCOME第5.1节：组态的概念第5.1节：组态的概念定量分析的重要概念QCA分析的重要概念variables（变量）sets（集）measurement（测量）calibration（赋值，校准）dependentvariables（因变量）qualitativeoutcomes（质性结果变量）randomsample（随机样本）constructedsamples（根据结果变量的范围来筛选与之相关的案例）correlationmatrix（相关矩阵）truthtable（真值表）neteffects（净效应）causalrecipes（因果组合）演绎溯因9第5.2节：

清晰集QCA(csQCA)与布尔代数贝洛—斯洛瑟和米契尔的战争期间项目：民主制度的存亡CASEID（国家/地区）GNPCAP人均国民生产总值URBANIZA城市化率LITERACY识字率INDLAB工业劳动力SURVIVALAUS奥地利72033.49833.40BEL比利时109860.594.448.91CZE捷克斯洛伐克5866995.937.41EST爱沙尼亚46828.595140FIN芬兰5902299.1221FRA法国98321.296.234.81GER德国79556.59840.40GRE希腊39031.159.228.10HUN匈牙利42436.38521.60IRE爱尔兰662259514.51ITA意大利51731.472.129.60NET荷兰100878.899.939.31POL波兰3503776.911.20POR葡萄牙32015.33823.10ROM罗马尼亚33121.961.812.20SPA西班牙3674355.625.50SWE瑞典8973499.932.31UK英国10387499.949.9110第5.2节：csQCA与布尔代数

为了使用csQCA，须根据相关阈值对原始条件进行二分。二分条件，最好使用经验（基于案例）和理论知识。-[GNPCAP]:人均国民生产总值（约1930年）如果低于600美元，为0；如果高于600美元，则为1。

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

-[LITERACY]:识字率如果低于75%，为0；如果高于75%，则为1。

-[INDLAB]:工业劳动力（包括矿业）如果低于30%，则为0；如果高于30%，则为1。11第5.2节：csQCA与布尔代数如何以有意义的方式对数据进行二元分割调整阈值时始终透明。最好在实质性和/或理论基础上证明阈值。如果这是不可能的，使用技术标准（例如，考虑按照连续集分布案例）。万不得已，可以使用一些更多的机械分界点，例如平均值或中值，但是应该考虑到案例分布是否有意义。避免人为切割，分割非常相似值的案例。也可以使用更复杂的技术方法，例如聚类技术，但是应该评估聚类在什么程度上产生理论或经验意义。无论使用哪种技术或推理来二分条件，应确保在正确的“方向”上对条件编码，以便它们的存在（值[1]）在理论上预期与积极结果相关联（结果值[1]）。13第5.2节：csQCA与布尔代数将18个案例转换为6个组态通过csQCA技术将原始数据表进行首次“合成”，其结果称为真值表，它是一个组态表。组态，就是与给定结果相关的给定条件组合，每种组态可以对应0个、1个或多个案例。14第5.2节：csQCA与布尔代数具有结果[1]的，叫“1组态”具有结果[0]的，叫“0组态”具有结果[C]的，叫矛盾组态

例如案例AUS和FRA，就是矛盾的前因一样，结果却不一样。

（可能二元分割不合理导致）基本上存在8个策略，在现实研究中，最好至少考虑所有这些策略，策略组合也是有用的。•可能是最简单的一个：只需添加一些条件到模型中。•从模型中删除一个或多个条件，然后用（其他）条件替换它。•重新审视模型所包含的各种条件的操作方式。•重新考虑结果变量本身。•以更定性和“厚实”的方式审查每个具体矛盾组态中所涉及的案例。•重新考虑是否所有案例都是同一总体的一部分（参见案例选择），例如，如果它是一个产生矛盾的“边界”案例，也许这种案例应该从分析中被排除。•将所有相互矛盾的组态重新编码，使得结果值为[0]。•使用频率标准来“定向”结果。如何解决矛盾组态16第5.2节：csQCA与布尔代数在模型中添加第五个条件：在Lipset理论的四个社会经济条件中增加“政治制度”。第五个条件是（GOVSTAB）。17第5.2节：csQCA与布尔代数仍有一对矛盾案例18第5.2节：csQCA与布尔代数真值表中仍有一个矛盾组态？再增加第六个条件，模型会变复杂将GNPCAP的条件阈值从$600改为$550.CASEIDGNPCAPURBANIZALITERACYINDLABGOYSTABSURVIVALAUS101100BEL,NET,UK111111CZE011111EST,FIN00101CFRA,SWE101111GER111100GRE,POR,SPA000000HUN,POL001000IRE101011ITA,ROM00001019第5.2节：csQCA与布尔代数CASEIDGNPCAP人均国民生产总值URBANIZA

城市化率LITERACY识字率INDLAB工业劳动力SURVIVALAUS奥地利72033.49833.40BELL比利时109860.594.448.91CZE捷克斯洛伐克5866995.937.41EST爱沙尼亚46828.595140FIN芬兰5902299.1221FRA法国98321.296.234.81GER德国79556.59840.40GRE希腊39031.159.228.10HUN匈牙利42436.38521.60IRE爱尔兰662259514.51ITA意大利51731.472.129.60NET荷兰100878.899.939.31POL波兰3503776.911.20POR葡萄牙32015.33823.10ROM罗马尼亚33121.961.812.20SPA西班牙3674355.625.50SWE瑞典8973499.932.31UK英国10387499.949.9120第5.2节：csQCA与布尔代数新的真值表没有矛盾组态18个案例9个组态21第5.2节：csQCA与布尔代数一共5个变量，理论上应该有25=32种可能。但是我们可观察到9种组态。说明还有23种未观察到的“逻辑余项”。可能现实中不存在，也可能没有观察到22第5.2节：csQCA与布尔代数考虑[1]组态，对其进行约简（最小化），此时不考虑逻辑余项利用布尔代数总结规律23第5.2节：csQCA与布尔代数考虑[0]组态，对其进行约简（最小化），此时不考虑逻辑余项24第5.2节：csQCA与布尔代数考虑[1]组态，对其进行约简（最小化），考虑逻辑余项，假定逻辑余项的结果变量为1结果更简练25第5.2节：csQCA与布尔代数考虑[0]组态，对其进行约简（最小化），考虑逻辑余项，假定逻辑余项的结果变量为0结果更简练第5.2节：csQCA与布尔代数结果的度量（类似实证分析的拟合优度）一致性：“条件A是结果的一个必要条件”的陈述具有多大程度的一致性。

测度方法：条件A的值为[1]且结果值为[1]的案例数量，除以，结果为[1]的全部案例数覆盖度：最小公式（简约公式）覆盖所观察案例的对应项（或路径）。

以结果值[1]为例，有如下几种覆盖度

原始覆盖度：给定项覆盖结果值[1]的案例的占比。

唯一覆盖度：结果值[1]的案例被给定项唯一覆盖的案例占比

解的覆盖度：所有项覆盖结果案例的比例。第5.2节：csQCA与布尔代数软件操作绿色软件不需要安装直接打开第5.2节：csQCA与布尔代数软件操作第5.2节：csQCA与布尔代数软件操作第5.2节：csQCA与布尔代数软件操作第5.2节：csQCA与布尔代数软件操作B站上有相应的视频讲解第5.3节：fsQCA与模糊集合把变量的取值映射为模糊集合校准（Calibration）：是从变量概念转换为集合概念如果可能，使用理论和实际的知识作为校准的锚点，避免机械依赖样本描述性统计校准。其原因在于平均值和标准偏差随着样本的不同而变化。相比之下，物理科学的日常实践是基于外部的可靠已知标准（如水的沸点）进行校准。但是，有时候样本描述性是可以的。比如样本是公开的典型数据，透明、容易比较。有的时候样本描述性是唯一可以采用的方式第5.3节：fsQCA与模糊集合清晰集三值模糊集四值模糊集六值模糊集连续模糊集1=完全隶属1=完全隶属1=完全隶属1=完全隶属1=完全隶属0=完全不隶属0.5=既非完全隶属，也非完全不隶属0.67=偏隶属0.8=非常隶属偏隶属：0.5<X<10=完全不隶属0.33=偏不隶属0.6=有些隶属0.5=交叉点，既非“隶属”也非“不隶属”0=完全不隶属0.4=有些不隶属偏不隶属：0<X<0.50.2=非常不隶属0=完全不隶属0=完全不隶属第5.3节：fsQCA与模糊集合注意：实证分析范式：

变量：取值客观，取值从低到高，一个区间，可能越大越好，或者越小越好。创新绩效QCA分析范式：

模糊集：一种偏好性集合，取值表示是否属于这个偏好集合。取值越高越属于该集合。

高创新绩效Yi表示某案例i属于创新绩效Y的程度模糊集：直接校准法定义集合（总是包含形容词）如高绩效、高创新找出三个锚点：完全隶属阈值完全不隶属阈值交叉点阈值例如，公司规模校准为大企业（Fiss,2011）完全隶属:250以上的规模完全不隶属:<10个交叉点:50个量表刻度(质性的描述)提供了校准的锚点（如1,3,5）校准可以使用fsQCAcalibrate(X,n1,n2,n3)<10,50,>2500.05,0.5,0.95第5.3节：fsQCA与模糊集合校准的例子把任意区间的值校准到[0,1]通常先确定0.05,0.5,0.95三个临界值

Country结果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节：fsQCA与模糊集合模糊集运算

3种常见的运算：非（negation）,逻辑与（and）以及逻辑或（or）~A=[1]-A逻辑与（AND）：交集➢交集隶属分数取决于最小的构成集合的隶属分数逻辑或（or）：并集

➢并集隶属分数取决于最大的构成集合的隶属分数第5.3节：fsQCA与模糊集合回答如何由每个条件的隶属度求解整个组态的隶属度第5.3节：fsQCA与模糊集合一致性：Consistency充分一致性公式Consistency(Xi≤Yi)=∑(min(Xi,Yi))/∑(Xi)当所有的Xi均小于或等于相对应的Yi值时，一致性分数为1.00；当只有少数Xi略微超过Yi时，一致性接近1.00；当有较多不一致分数，且一些Xi值显著超过相应的Yi值时，一致性下降到低于0.5。模糊集分析中一致性评估的证据基础要比清晰集和多值分析中大（所有案例都被使用）第5.3节：fsQCA与模糊集合一致性：ConsistencyPRI公式防止出现逻辑矛盾：条件组态X对于Y和~Y都显得充分（一致性相近）。PRI公式考虑上两者的取舍。第5.3节：fsQCA与模糊集合一致性的大体含义：第5.3节：fsQCA与模糊集合覆盖度：Coverage第5.3节：fsQCA与模糊集合三种解复杂解：仅使用观察案例分析产生的结果的组态。简约解：容易和困难的逻辑余项均用于分析产生的组态（Coreconditionsarepresentedhere）。中间解：使用容易的反事实分析，产生包括核心和边缘条件的组态（Peripheralconditionscanbeidentified）。Acombinationofparsimoniousandintermediatesolutionsareusedforresultsreport.第5.3节：fsQCA与模糊集合软件操作绿色软件第5.3节：fsQCA与模糊集合软件操作第5.3节：fsQCA与模糊集合软件操作可以打开Excel数据第5.3节：fsQCA与模糊集合软件操作校准数据第5.3节：fsQCA与模糊集合软件操作校准数据第5.3节：fsQCA与模糊集合软件操作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