【目录】
- 1.理论入门
-
- 1.1和个案分析的区别
- 1.2 QCA的特点
-
- 因果非对称：
- 殊途同归：
- 1.3 什么时候用到QCA
- 2.QCA的一般步骤
- 3.QCA论文精读
1.理论入门
QCA（定性比较分析）是一种探索性研究方法，旨在通过系统地比较不同案例的条件组合，识别出影响结果的因果关系。它结合了定性和定量分析的优势，能够处理复杂的因果结构，适合于小样本研究。
传统的线性关系的探讨，可能就是用一个线性方程，计算出影响因子与被影响因素之间的线性关系。
QCA研究的是组态的关系，呈现出的是一种组态的关系，探讨不同影响因素共同作用下，与被影响因素之间的关系。
组态，就是因素之间组合的状态，各种的因子组合在一起，如何共同影响被影响因素。
QCA与线性回归的区别
数据类型：
QCA：适用于小样本和多重因果关系，通常处理的是定性数据。
线性回归：适用于大样本，通常处理定量数据，假设自变量与因变量之间存在线性关系。
因果关系：
QCA：允许多重因果性，强调条件组合如何导致某一结果。
