研究方法系列之:QCA定性比较分析

定性比较研究法(Qualitative Comparative Analysis,简称QCA)，是20世纪80年代在社会科学研究中产生的一种针对中小样本案例研究的分析方法。QCA最早由美国社会学者查尔斯·拉金(Charles C. Ragin)提出，在1987年出版的《比较方法：在定性和定量策略之外》对其进行介绍，并将其视为是一种整合了量化和质化双重取向的研究方法。

集合论思想（QCA的核心逻辑）

如果将研究问题或现象看作一个完整集合，那么引发这个问题或现象的诸多原因，就是这个集合的不同子集。拉金认为，社会科学研究中的许多命题都可以用集合之间的隶属关系来表示。例如，“发达国家都是民主国家”就表明：发达国家这个集合是民主国家这个集合的一个子集。相应地，“ 新媒体技术的赋权能够带来网民表达空间的拓展 ”，转换为集合关系就是：新媒体技术赋权这个集合是网络表达空间拓展这个集合的一个子集。基于此，通过一定数量的多案例比较，ＱＣＡ利用布尔代数的运算法则可以寻找到集合之间普遍存在某些隶属关系，展开因果关联的分析。

布尔代数

布尔代数的基本规定是：将某个变量出现或不出现用二分法表示为1/0，出现就取值为１或用大写字母表示，不出现则取值为０或用小写字母表示；用“＋”表示“或”的关系，用 “*”表示“和”的关系，用“＝”以及“→”表示“推导出”。可以将以上这些符号用于表示集合关系的运算之中，例如，A*B=Ｙ就意味着当条件变量Ａ和Ｂ同时发生时，就可以推导出结果变量Ｙ。

逻辑真值表（Truth Table）

逻辑真值表是由所有进行二分法处理后的变量组合建立的。真值表既可以反映出结果现象发生或不发生时多种条件的具体状态，同时还可以从中看出，多种条件出现或不出现之间的组合关系，进而得出这些组合是如何导致，以及在多大程度上决定了结果现象的发生或不发生。例如，导致现象Ｄ发生的相关条件变量有A\B\C三个，那么在Ｄ=１的情况下，相应的所有条件组合的可能就有2³=８种，其中A\B\C分别取值1\0表示各自发生或不发生。具体８种组合可以用如下矩阵表示。

布尔最简化原则

“如果在两个布尔代数表达式中只有一个条件的取值不相同，且它们得出相同的结果，那么这个取值不同的条件就是冗余的、可以删除的，这样就能得出一个较为精简的布尔代数表达式。”依据“布尔最简化原则”，QＣＡ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。特别是对于一些由复杂或繁多因素共同作用而产生的案例结果，ＱＣＡ要做的是将各个复杂条件组合不断简化，排除冗余变量和矛盾组合，从而发现影响结果的关键因子和关键条件组合，建立相关的解释模型。

QCA对研究对象有着特殊的要求，概言之，他致力要解释的社会现象最好是“多重并发因果”诱致的复杂社会议题。也就是说，纳入QCA分析的案例要具备成因“复杂性”的特点。

在案例的样本规模上，ＱＣＡ也做了一定的限制，最好为中小程度的案例数量，在10个到60个之间为宜。

定 | 性 | 比 | 较 | 分 | 析 | 方 | 法

在网络事件和集体行动事件中，无论是线上、线下传播场域中多重主体的复杂建构，还是各方政治、经济力量对事件构成的复杂影响，抑或是事件在发生发展结局所显示的复杂过程，都体现了QCA对研究对象提出的“多因诱致案例”的要求。例如，李良荣、郑雯、张盛（2013）用QCA的方法，研究网络群体性事件的爆发机理，从传播属性和事件属性两个维度进行解释研究；马奔和李继朋（2015）则使用QCA研究了邻避冲突此类集体运动发生的条件。

涉及组织传播、政治传播、传媒经济等话题适合进行QCA分析。一方面，其影响因子复杂；另一方面，其样本数量往往是中等规模且也是有限的。以政府组织为案例对象的研究，可以与政治传播的议题对接；以企业组织为案例对象的研究，则可以与传媒经济、公共关系、企业传播等研究领域对接。

过去国际传播的对比研究，多是一种基于社会-历史-政治维度的描述和归纳，运用QCA进行全球新闻体制的比较研究，在建立模型方面或许可以弥补过去研究的短板。不限于新闻制度比较议题，在全球化信息流动、交往、沟通日益密切的当下，中国国际地位的提升，中国迫切需要与世界各国对话，也需要改善自身的国家形象。与之相关的国际传播、跨文化传播议题得到越来越多的关注。这些围绕跨国比较产生的新闻传播话题，也都可以运用QCA的方法进行分析。

定 | 性 | 比 | 较 | 分 | 析 | 方 | 法

提炼好条件变量后，QCA需要重返案例材料当中，依据已设定好的条件变量进行编码。在清晰集分析中，对条件发生与否的编码为１／０；在模糊集分析中，对条件发生与否的编码则在１－０的区间内。在编码前，研究者需要根据设定好的条件变量，设定编码的具体依据和标准。而编码的过程更接近QCA名称中的“定性”操作，即对每一个案例的条件变量做１／０的定性判断。这个过程执行起来是量化的测量，但实际操作中，需要研究者在收集到的案例质化材料中找到扎实、充分、详尽的证据指向要编码的１／０。对于模糊集分析来说，在这一步中，还要对集合的隶属度值进行更细化的“锚定”。在确定数值后，研究者需要依据既有文献提供的理论或实际知识作为外部标准来对变量进行校准，不能以平均数或中位数作为校准的标准，而且连续型变量应尽可能利用专门软件来进行校准，避免手工计算出现错误。

第三步，将编码表导入QCA软件构建真值表。同时，研究者对每一个条件变量对结果变量的一致性进行检测。这里的一致性检测包括了充分条件的检测和必要条件的检测。真值表能够呈现导致结果变量发生的所有条件变量的组合情况，以及覆盖到的案例数量。依据布尔代数的原理，在ＱＣＡ中对真值表进行逻辑运算（由软件在后台分析完成），获得分析结果。

最后，完成建模后重新审视案例，进行案例的深度阐释和进一步讨论。同时，把概率组合的各种条件推广至其他案例分析中去，或建构新的理论假设。重返案例是QCA分析的最终一个步骤，但也是非常关键的一步。对此，有经验的研究者给出的建议是既要将研究案例进行逐个阐释，还要总结和解释跨案例的模式。这一步要解决的问题是：此前通过布尔最简原则获得的条件组合模型，能否将案例代表的社会现象和问题重新进行结构化分析？如果每个案例都是一个“黑箱”，研究者用QCA获得的结论进行二次检验，其实是在回过头来重新解剖“黑箱”，检视结论模型和案例之间更细节、生动的勾连，进而从案例再回溯到此类研究的已有理论，做出修补或改进，有助于研究者获得新的理论发现。

定 | 性 | 比 | 较 | 分 | 析 | 方 | 法