虽然QCA应用的操作流程已相对规范和统一，但在各个研究阶段和步骤，不同研究者采用的策略存在显著差异，因此本期将对使用QCA进行论文写作的规范流程与软件操作进行解读。

一、分析方法的适用性1：论述使用的原因

文献中对使用QCA方法的原因主要有如下3种解释方式：

（1）研究复杂并发问题：探究多个前因条件的可能性组合及其互动关系，以及条件组合对结果的复杂并发影响。（2）研究中小样本案例：为“可获取的案例数量相对较少，无法使用传统定量方法开展分析”的研究提供了解决方案。（3）研究非对称性的问题：仅关注结果发生或者不发生时的影响因素，或是前因条件与结果并非充分必要关系时的研究情景。2：说明选择特定QCA工具的原因

QCA包含多种具体的分析工具，不同分析工具的操作流程与适用性不同，主要区别在于结果和前因条件的赋值范围：

（1）若结果或前因条件中不存在“天然”的二分或多分类变量，则一般使用fsQCA；（2）若均为二分变量，则用csOCA；（3）若存在多分类变量，则一般使用mvOCA。二、分析案例的选择

作为案例导向的分析方法，QCA特别重视案例选择的过程，在中小样本的研究中，需要研究者对拟选择的每个案例都尽可能熟悉，案例选择过程一般遵循以下原则中的一种或多种：

（1）经典性：筛选出影响范围较广、情况较为典型的案例。（2）多样性：案例间具有一定程度的区分度，需覆盖多种类型的研究事件。（3）同质性：案例间具有可比性，通常以结果的相似性作为选择标准。（4）可获得性：能够获得需要的相关信息。三、前因条件与结果的选择；

前因条件与结果的选择过程常是OCA被质疑的焦点，在文献中，前因条件与结果一般从构建的理论框架中产生，不能仅以单一变量线性影响的思维直接选取前因条件，要从理论层面说明“为何有组态影响，以及哪些条件组合会对结果发生产生影响”。

前因条件的数量一般大于3且应保持在适中的范围，要与案例数量成一定比例。具体的选择过程不存在一个确定的标准。一般情况下，样本数量范围在[10，40]、[15，80]、[10，100]，其相应前因条件的数量范围为[4，7]、[4，8]、[5，9]。需要注意的是，前因条件的数量尽量不要超过10，否则解的数量将会呈几何倍数式增长，从而导致有限多样化的问题。

四、校准

校准是指给所有案例的前因条件与结果赋予集合隶属分数的过程，即对所选案例涉及的所有变量的原始数据或资料进行整理和分析，最终将其转化为[0，1]的隶属分数的过程。依据数据或资料性质的不同，一般可分为客观校准与理论校准两种方法。

1：客观校准

是指研究者依据变量的描述性统计特征，不加理论解释，机械地赋予集合隶属分数的过程。其校准的对象一般为权威机构发布的调查数据或综合指数。

基本经验：使用fsOCA的论文一般依据变量数值的实际分布，简单采用5%分位数为完全不隶属，95%分位数为完全隶属，50%分位数作为交叉点。论文中也有将【10%分位数、90%分位数、50%分位数】或是【25%分位数、75%分位数、50%分位数】的取值分别作为完全不隶属、完全隶属、交叉点的锚点。2：理论校准

即研究者依据研究经验和理论知识确定锚点，之后依据对各案例资料与数据的深入了解，赋予集合隶属分数的过程。

五、必要条件分析

校准后，需开展必要性分析，以识别结果发生或不发生时所必须具备的前因条件。简单来说，若某前因条件总是伴随着结果出现，则可认为此条件是结果出现所必要的，即为必要条件。

（1）认定标准：必要条件的初步认定标准通常为必要一致性分数处于[0.9，1]。（2）依据以上步骤确定必要条件存在后，如果后续组态的充分性分析结果路径中未含必要条件，则需手动将其纳入，或是在生成解之前，将非必要条件设置为“存在或缺席”(present or absent)，将必要条件设置为“存在”(present)。六、充分性分析1：构建真值表

真值表是充分性分析的数据前提，构建真值表前需先设置案例频数阈值和原始一致性阈值，再用软件分析。

（1）设置案例频数阈值旨在排除支持案例数小于阈值的条件组合，若不设置阈值将会使只有少数案例支撑的条件组合纳入分析，这一定程度上会降低结果的准确度，阈值范围一般根据案例规模确定。基本经验：小样本中案例频数阈值一般设置为1，大样本频数阈值应相应提高，经案例频数阈值筛选后的案例数量应至少为原样本的75%。（2）设置原始一致性阈值旨在排除未通过模糊集合理论一致性的条件组合，只有达到阈值的条件组合才会被纳入下一步分析。若未设置原始一致性阈值，那么将低于原始一致性的条件组合纳入可能会扰乱后续的简化运算。基本经验：最低阈值没有定论，需依据案例数量、研究目的、数据质量等灵活调整，文献中最低阈值常设置为0.8或0.75。2：修正真值表

为排除真值表行的同时子集关系，即特定真值表行同时是Y和~Y的子集，此时就需要借助PR1一致性。PRI值能够有效反映特定真值表行是Y而非~Y子集的程度，PRI越高的真值表行，其存在同时子集关系问题的可能性就越低。

基本经验：一般PRI的临界值最好大于0.75，0.70也可以接受，但不要低于0.65。七、选择解和结果汇报1：选择解

QCA结果会导出3种解：复杂解（complex solution；不纳入逻辑余项）、中间解（intermediate solution；仅纳人设定好的逻辑余项）和简约解（parsimonious solution；纳入所有逻辑余项）。

基本经验：合理有据、复杂度适中、同时又不允许消除必要条件的中间解被认为是QCA研究中汇报和诠释的首选。2：结果汇报

主流的汇报形式是“核心条件型”，即参考Fiss(2011)的方法将同时出现在简约解和中间解的条件认定为“核心条件”，只存在于中间解的条件被认定为“边缘条件”，最后再以中间解的结果作为主体进行讨论。在汇报的结果中，各条件组合路径的一致性和覆盖度是判断其解释力与有效性的关键指标。

（1）一致性包括解的一致性（solution consistency）和各组态的一致性（consistency），表示条件组合的解释力，一般建议的基准是≥0.8。（2）覆盖度包含解的覆盖度(solution coverage)、原始覆盖度(raw coverage)和唯一覆盖度(unique coverage)，三者均用于衡量完整或单个条件组合在多大程度上解释了结果。具体来说，解的覆盖度表示所有条件组合所解释结果的比例；原始覆盖度表示单个条件组合所解释结果的比例；唯一覆盖度代表剔除与其他条件组合的交集后，仅该条件组合所解释结果的比例。

注：当条件路径过多时，研究者通常依据条件组合之间的相似性，采取归纳共享条件(组合)的策略以简化结果，使其更具解释力。

八、研究结果的稳健性检验1：常见稳健性检验方法（1）调整校准锚点；（2）降低PRI一致性水平；（3）提高案例频数值；（4）替换前因条件或者结果的代理指标；（5）提高组态分析的一致性水平。2：结果稳健性判断（1）如果不同的稳健性检验方法导致一致性和覆盖度的差异结果未有实质性变化，那么结果就可认为是稳健的。（2）如果不同的稳健性检验方法导致的组态之间具有清晰的子集关系，则可认为结果稳健，即使它们表面看上去不尽相同。九、结论的升华与深化。

对组态结果的升华与深化是最考验QCA研究者理论功底与对案例熟悉程度的重要一步。

（1）需要为每个组态命名：兼顾组态解的整体性和每个解的独特性，严格结合典型案例简洁地为组态命名。（2）需要揭示不同组态中条件之间的互动关系：应该站在比较不同组态间异同的基础上，识别不同条件之间可能存在的互补、替代或者抑制关系。（3）需要与现有理论充分对话：将其与现有的理论（框架）联系起来，分析现有理是否与组态结果相容，以加深对研究问题的理解。（4）需要与具体案例充分对话：可以在论文中通过引用案例中的具体数据、事件、背景信息等，来解释QCA分析结果的内涵。参考文献杜运周,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,(06):155-167.张明,杜运周.组织与管理研究中QCA方法的应用:定位、策略和方向[J].管理学报,2019,(09):1312-1323.戴正,包国宪.QCA在中国公共管理研究中的应用:问题与改进[J].公共管理评论,2023,(02):188-212. 本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。