加载中…
个人资料
潇湘剑客
潇湘剑客
  • 博客等级:
  • 博客积分:0
  • 博客访问:503,746
  • 关注人气:1,104
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
正文 字体大小:

我对QCA的一点理解

(2012-09-24 15:13:31)

我对QCA的一点理解

唐世平

 

博主按:在过去的几个月里,除了写完我的那本书之外,便是花了一些时间来认认真真地学习QCAqualitative comparative analysis)这个方法【写累了或者写不动了,就当放松了】。虽说没有精通,但基本弄懂了(80%吧)。因此,在此抛砖引玉。

 

另外:27日我要回趟老家了,看看父母,休息一下,看看我出生的小山村。这段时间,就不写博客了。在这里,预祝各位节日愉快。

 

博主又按:没有评论呀?看来曲高和寡。其实,QCA的逻辑相对容易理解,操作也简单。各位不用怯。当然,如果条件允许,QCA和regression比较起来一起用,可能更好。

 

 

特别提醒:

因为下面的内容我们以后会写成文章,所以,各位可以引用,但不能抄袭。

 

主要参考书:Ragin 1987; 2000; 2008; Rihoux & Ragin (eds.) 2009

 

Ragin 2000我觉得最为重要,这本书阐述了QCA的最重要的逻辑基础,同时又比1987更加完善(看了Ragin 2000后,Ragin 1987可以不看)。

Ragin 2008做了进一步发展,特别是对“calibration(校准)”的讨论。

Rihoux & Ragin (eds.) 2009则是一本操作性的教科书:教你如何操作QCA的三个主要变种:csQCA (crispy set)mvQCA (multi value)fsQCA (fuzzy-set)

 

以下这些引言来自Ragin 2000.

p. 68: The logic of the case study is fundamentally configurational.

70: Case study is extraordinarily theory-dependent.

71-74: multiple cases as multiple configurations. Variables as interactive, not additive. (Configurational is really systemic approach).

In contrast, conventional quantitative approaches assume each variable to be independent, thus sufficient. Hence, it seeks parsimony without considering combinations of variables as necessary or sufficient conditions.

 

74: FOR QCA, conventional variables are considered to be raw materials for delineating types, not as analytical distinct and independent attributes.

This is why the QCA approach is diversity/complexity oriented versus generality (QUL) or specificity (QUA) oriented.

76-8: Configuration in QCA is different from clustering via SPSS (Q clustering or R clustering).

 

以下是我们(唐睿同学和我)的结论(或者说是理解)

 

我们运用“前社会主义国家”(共有26个国家,包括蒙古)在1990年后的经历来比较QCARegression(包括binary logisticlinear regressionpanel data)所能够提供的分析结果。以下是我们的一些初步结论(更加详细的讨论要等到我们的文章了):

 

1)从根本上说,因为QCA能够给出因素组合(configuration),因此,它给出的一些结果对于寻找更好的解释(包括含有机制性的解释)非常有用。而因为regression是基于“independence of variable”的理念,无法达到这一点。

2)对于小样本(15-80),特别是包含比较多的categorical 或者ordinal变量的样本集,QCA有非常好的优势。可惜,现在的不少QCA的分析都是通过calibration将连续变量转化成crispy或者fuzzy的变量【包括Rihoux & Ragin (eds.) 2009中的主要例子】。我们认为这样做可能是不可取的。至少,calibration有太多的arbitrary的因素。因此,我们认为,如果不得不需要通过calibration将连续变量转化成crispy或者fuzzy的变量,研究者可能需要尝试至少3个不同的calibration scale,看看结果是否稳健

3)因为QCA对于样本的size要求不高:只要在12-15个样本之上,都可以运用。这使得研究者能够在研究过程中,在不同的QCA轮次,使用对一个总样本进行了不同细分的亚样本。这样得出的结论更加精细而有趣。比如,我们的研究先是用26个国家的总样本,而在一些分析之后,我们发现需要将“非Islam国家”独立成为一个亚样本,而在这个亚样本之下,我们发现确实有几条大路都通向“民主的巩固”这样一个结果。这样的结果比我们目前能看到的最好的回归得出的结果都更加有趣,而且更加符合情理。这使得我们以后要讨论这些前社会主义国家的政治和经济轨迹都更加有目的性。

4)QCA也确实有很大的局限性:无法处理time-series,更谈不上Panel data。而且,我们认为QCA面对连续变量时,恐怕不见得有什么优势(见上面的讨论),主要是因为calibration所带来的问题。

5)综合起来,我们认为QCA对于处理一些能够相对确定地被类别、定级地code的数据和事件更加有效(比如一个国家的外交危机的处理方式、结果,战争是否爆发等等。通常,这些事件的数量都不是很大,很适合QCA)。这也是我们目前正在进行的工作的一个方向。

0

阅读 收藏 喜欢 打印举报/Report
  

新浪BLOG意见反馈留言板 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

新浪公司 版权所有