研究方法分享之
QCA
定性比较分析
01
QCA方法介绍
QCA方法起源
定性比较分析方法（qualitative comparative analysis，本文简称QCA）产生于20世纪80年代末，由查尔斯·拉金（Charles C. Ragin）在1987年提出，它是一种以案例研究为导向的理论集合研究方法。QCA强调通过实证资料以及相关理论的不断对话, 从小样本数据中建构出研究议题的因果性关系。这是基于集合论与布尔代数的分析，即从集合而不是相关的角度考察条件与结果的关系，并使用布尔代数算法形式化人们分析问题时的逻辑过程。1
研究逻辑
组态视角
基于整体论，QCA认为案例是原因条件组成的整体，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。2
布尔代数算法
QCA采用布尔代数算法形式化人们分析问题时的逻辑过程。布尔代数算法将任何一个个案都看成是由多个原因条件与结果条件结合而成的。1
具体的QCA运算必须遵循“布尔最简化”的原则，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。3
使用假定
QCA放松了基于传统分析技术的假定，提出了适合复杂因果分析的3个重要假设“并发因果关系”“等效性”和“非对称性”。2
1.并发因果关系2
定量研究假定社会现象的因果关系是线性的，而QCA则假定社会现象的因果关系是非线性的，原因条件对结果的效应是相互依赖的，且同一个社会现象的发生可能是由不同的原因组合所导致的。1
2.等效性
等效性指多种原因组合可以产生同一结果。这就意味着实现某一期望结果或者出现非合意结果的可能路径是多样的，并不存在传统分析方法中均衡的唯一最佳路径的解。2比如原因条件A和B同时出现导致结果Y的产生，C和D同时出现也能导致结果Y(A*B+C*D=Y)。1
3.非对称性2
QCA是基于必要条件和充分条件的推断逻辑，而不是统计推断的逻辑，因此，QCA持“非对称因果关系”，即研究者不能从A=Y直接推断出a=y。1
02
QCA方法操作
基本操作程序
①根据研究问题确定案例；1（假设我们想知道导致社会现象Y产生的原因条件）
② 根据经验归纳或通过理论演绎，2确定原因变量；1（A、B、C是Y产生的三个候补原因条件）
③ 以个案为单位对数据进行汇总，得到原因变量与结果变量的所有组合, 这些组合以表格的形式呈现出来，即真值表；1
④表中所呈现的多重因果关系组合用布尔代数表示如下：Y=ABC+ABc+Abc+abc；根据布尔代数的运算逻辑进一步将方程式简化为：Y=AB+bc，把真值表第三行的原因条件组合对应的结果赋值为1进行简化假设处理，得到的方程式为：Y’=A+bc。1
三类操作技术
QCA根据变量类型分为csQCA（清晰集定性比较分析）、fsQCA（模糊集定性比较分析），以及mvQCA（多值定性比较分析）。2
1、csQCA（清晰集定性比较分析）
csQCA分析只能处理二分类变量，也即分析的前因条件和结果的取值必须被校准为0或者1，2csQCA无法处理统计分析中所出现的大量的定距变量，1且由于csQCA分析技术的这种局限，经常会导致变量信息的丢失以及产生矛盾组态，增加了分析难度和挑战。2
2、fsQCA（模糊集定性比较分析）
在fsQCA里，个案的某个特征是否可以被观察到的程度可以刻画为从0-1之间的任何数，而不局限于0或1这两个数，这被称为成员身份度(membership score)。1fsQCA的运算原理与csQCA一致，拉金提出可以利用成员身份度模糊集形成真值表。1fsQCA 的出现进一步提升了QCA分析定距、定比变量的能力。2
采用模糊集分析复杂现象时，研究者需要检测不同条件变量组合对结果变量的一致性（Consistency）和覆盖度（Coverage）。3
fsQCA的运算相对复杂，可使用拉金等人开发的fsQCA的计算软件fsQCA。
3、mvQCA（多值定性比较分析）
多值集可以看作是确定集和模糊集之间的一个中间状态。与模糊集不同的是，多值集方法并不是将变量的数值处理成0到1之间的隶属度分数，而是在确定集的二分法基础上，对变量的数值进行多分，以增加变量的信息。多值集在扩展二分法的基础上，将原来的清晰集拓展成了一种可以处理类别变量的方法。这种方法还可以通过分类的方式，将定距变量转化为类别变量而纳入分析模型之中。1
03
QCA优点和局限
优点
样本规模：QCA对于样本规模的要求不高，在15-80个样本规模上都可以运用。在变量主要由二分、定类和定序等形式组成的中小规模样本的研究中，QCA具有较大的优势。
个案处理：QCA能分析多重因果关系组合，这是一种基于个案现象探寻逻辑条件组合，但又有别于事件“统一”整体的全面了解个案的方法。
多元分析：QCA采用多个案研究，避免了单一分析的面向，充分地注意到了个案本身的异质性和复杂性。
结论精细：研究者能够在研究过程中对总样本进行多次细分，形成不同的子样本级，从而得出更为精细、有趣、符合情理的结论，并且使之后的研究更具有目的性。
解释问题：QCA能充分分析社会现象的多样性与因果关系的复杂性。1
局限
在处理连续变量时，QCA通常是用校准的方法将连续变量转化为二分或定类变量，这种做法包含太多的主观和武断的因素，因此，QCA在面对连续变量的时候并没有优势。
由于QCA的前提是承认研究对象的因果关系的复杂性，以及某一社会现象的多重并发条件的存在性，但并非所有的研究问题都存在着多重并发条件，所以，从这一角度看，传统的量化研究聚焦于单个变量的显著性就比QCA更合理。1
04
传播心理领域应用举例
研究问题
公共舆论环境广泛认为网络社会心态总体偏消极且难以有效引导，这种认知加剧了公众及政府对网络舆论的消极态度，不利于建设清朗网络环境。从消极网络舆情事件出发,对2022年度10个案例的微博文本进行情感分析和主题词频分析，并运用模糊集定性比较分析法，探寻政府回应影响网络社会心态的总体态势及特征。
定性比较分析研究过程
① 研究对象
本研究以微博评论为分析文本。本文选取案例的时间区间为2022年1-10月，结合“与政府相关、需政府回应”这一条件，选取了“西安孕妇流产事件”等10个案例，并通过八爪鱼和 Python等工具，分时段获取了相关评论文本（共计13万条，有效10万条）。
② 研究变量及赋值
结果变量
点击查看大图
条件变量
点击查看大图
③ 变量校准与真值表
因模糊集定性比较法的变量取值范围必须为[0，1]，因此，还需对不符合取值要求的变量进行校准。校准过程中需要确定三个锚点（完全隶属值、交叉点和完全不隶属值），分别为上四分位值、前后均值及下四分位值。将以上值输入fsQCA3.0软件中的Calibrate方程，得出真值表。
点击查看大图
④ 条件变量的必要性检验
必要性分析用于判断条件变量是否属于影响网络社会心态发展趋向的必要条件，即判断各条件变量的一致性水平是否大于0.9。从表7的检验结果来看，各条件变量的一致性水平均小于 0.9。这表明，现有影响因素并不会必然引发网络社会心态中性或消极发展。换而言之，政府回应影响网络社会心态发展趋向是一个多因素组合影响的过程，要把握关键影响因素和影响路径，还需要展开组态分析。
点击查看大图
⑤ 组态分析
从表8的组态分析结果来看，政府回应推动网络社会心态中性发展和消极发展均存在两条有效路径，各组态一致性均高于0.8，这表明两种组态具有较强的解释力。
点击查看大图
定性比较分析贡献的研究结论
政府回应内容是否符合公众核心合理诉求是影响网络社会心态发展走向的关键因素；不同诱因下政府回应层级存在“可调节空间”等。
推荐阅读
《消极情感对社交网络用户间歇性中辍行为的影响机理：基于一项混合研究》5
《注意力分配及其交互作用与政策议程设置——基于20个案例的定性比较分析》6
⭕️“学术匠”开设了学术和图书交流社群，有乐意分享和获取电子书等学术资源的学人可以在文末扫码入群，纯公益、不商业，因此也谢绝一切商业机构或相关个人营销与传播，谢谢配合。
▼喜欢此内容的人还喜欢▼
2024-09-14
2024-07-11
2023-12-10
2023-12-08
2023-05-19
