⑴ 定性比較分析（QCA）方法介紹
學習了QCA這個研究方法，考慮到可能有人將來也會需要學習它，所以整理了一些基本知識，以便於初學者的互助。如果有錯誤的地方，歡迎大家提出指正。
舉個例子：我們認為衣服的質量、價格、款式、賣家的信譽、好評度等因素（以下為自變數），都會影響我們決定是否購買這件衣服（因變數）。因此，當我們想要研究質量好、價格低，但是款式差或者質量差、價格低，但是賣家信譽好（條件的不同組態），哪種情況更能促進我們購買它（實現結果）。這時，適用的方法就是QCA。
定性比較分析（Qualitative Comparative Analysis，QCA）採用組態比較方法（CCM），即將案例看作條件的組態，在確定所要解釋的特定結果和條件/變數的基礎上，分析條件/條件組合是得到預期結果的「必要」或「充分」條件。
QCA分析旨在通過案例間的比較，找出條件組態與結果間的因果關系，回答「條件的哪些組態可以導致期望的結果出現？哪些組態導致結果的不出現？」這類問題。
一、QCA方法的假設
首先，QCA 方法認為「單個原因對結果有其各自的和獨立的影響」的思想不成立，並提出「並發因果關系」的假設，即多個原因同時出現（或者以某種方式整合）並構成某個結果的「原因組合」。
其次，一個給定的原因組合可能並不是產生某個特定結果的唯一途徑，其他組合可能也會產生同樣的結果。
再次，因果效應不再具有一致性；相反，一個給定的原因與某些條件組合時可能對結果產生正向影響，而與其他條件組合時則可能產生負向影響。
最後，不再假設因果關系的對稱性，而是假定原因的非對稱性——某個結果的出現與否可能需要不同的「原因組合」來分別解釋。
二、QCA方法理論基礎
1、集合論思想（QCA的核心邏輯）
如果將研究問題或現象看作一個完整集合，那麼引發這個問題或現象的諸多原因，就是這個集合的不同子集。拉金認為，社會科學研究中的許多命題都可以用集合之間的隸屬關系來表示。例如，「發達國家都是民主國家」就表明：發達國家這個集合是民主國家這個集合的一個子集。基於此，通過一定數量的多案例比較，QCA利用布爾代數的運演算法則可以尋找到集合之間普遍存在某些隸屬關系，展開因果關聯的分析。
2、布爾代數
布爾代數的基本規定是：將某個變數出現或不出現用二分法表示為1/0，出現就取值為1或用大寫字母表示，不出現則取值為0或用小寫字母表示；用「＋」表示「或」的關系，用 「*」表示「和」的關系，用「＝」以及「→」表示「推導出」。可以將以上這些符號用於表示集合關系的運算之中，例如，A*B=Y就意味著當條件變數A和B同時發生時，就可以推導出結果變數Y。
3、邏輯真值表（Truth Table）
邏輯真值表是由所有進行二分法處理後的變數組合建立的。真值表既可以反映出結果現象發生或不發生時多種條件的具體狀態，同時還可以從中看出，多種條件出現或不出現之間的組合關系，進而得出這些組合是如何導致，以及在多大程度上決定了結果現象的發生或不發生。
例如，導致現象D發生的相關條件變數有A\B\C三個，那麼在D=1的情況下，相應的所有條件組合的可能就有2³=8種，其中A\B\C分別取值1\0表示各自發生或不發生。具體8種組合可以用如下矩陣表示。
4、布爾最簡化原則
「如果在兩個布爾代數表達式中只有一個條件的取值不相同，且它們得出相同的結果，那麼這個取值不同的條件就是冗餘的、可以刪除的，這樣就能得出一個較為精簡的布爾代數表達式。」
依據「布爾最簡化原則」，QCA最終要找到的是解釋結果變數發生的最典型、最精簡、最核心的原因組合路徑。特別是對於一些由復雜或繁多因素共同作用而產生的案例結果，QCA要做的是將各個復雜條件組合不斷簡化，排除冗餘變數和矛盾組合，從而發現影響結果的關鍵因子和關鍵條件組合，建立相關的解釋模型。
D=ABC+ABc+Abc+abc，簡化得，D=AB+bc
因此，QCA能充分分析社會現象的多樣性與因果關系的復雜性，它能提供不同的因素組合對結果的影響作用，以便於研究者更深入地挖掘變數與結果之間的作用機制，為更深入的研究提供方向。
三、定性比較分析（QCA）方法分類
QCA 根據變數類型分為csQCA（清晰集定性比較分析），mvQCA（多值定性比較分析）以及fsQCA（模糊集定性比較分析）。
1、清晰集定性比較分析（csQCA）
csQCA是一個利用二進制數據處理問題的工具。主要基於布爾代數這一特定語言，將二進制數據（0或1）作為輸入，並使用程序的邏輯運算。
（1）csQCA的特定語言——布爾代數
（2）僅使用二進制數據（[0]或[1]）
（3）在進行運算之前，需要實現每個變數有用和有意義的二分處理，即[0]或[1]賦值。（例如：在運算中，將性別進行二分法賦值。男性賦值為[1]，女性賦值為[0]）
（4）存在的問題：強制使用二分變數，具有信息丟失的風險，並且容易出現許多矛盾組態。
2、多值集定性比較分析（mvQCA）
多值集定性比較分析（mvQCA）保留了csQCA的主要原則，是csQCA的延伸和擴展。
（1）它保留了csQCA的主要原則，即執行綜合的數據集，讓具有相同結果值的案例被一個簡約解（最小公式）「覆蓋」。
（2）區別是，csQCA只允許二分變數，然而mvQCA還允許多值變數。
（3）多值變數可以從多分類定類、定序和定距數據的多個閾值中獲得。
（4）多值條件的標度必須以值[0]為起點，然後[1]、[2]、[3]等等。例如：
3、模糊集定性比較分析（fsQCA） 模糊集定性比較分析（fsQCA）解決了部分隸屬的問題。它允許研究者進行數據校準，將變數校準在[0]（完全不隸屬）和[1]（完全隸屬）之間的任何數值。
（1）考慮到了部分隸屬關系，變數賦值在[0]-[1]之間的任何數值。
（2） 三值集是基本的模糊集，當然也有四值集、五值集等。三值集的校準點一般為完全隸屬（1）、完全不隸屬（0）和交叉點 。
（3）校準點可以選擇0.95、0.50、0.05，也可以選擇上下四分位數和均值。校準點的選擇需要考慮具體數據和變數。
（4）優點：具有精準區分的能力，同時允許集合理論的運算。