QCA(1)基本概念及软件

QCA 基本概念

QCA是一个集合三种主要分析类型（布尔集、多值集、模糊集）在内的涵盖性术语。

• 当明确指向初始的布尔版本的定性比较分析方法，应使用csQCA（清晰集定性比较分析）；
• 当明确指向多范畴条件版本的定性比较分析方法，应使用mvQCA（多值集定性比较分析）；
• 当明确指向连接模糊集和真值表分析的模糊集版本的定性比较分析方法，应使用 fsQCA（模糊集定性比较分析）。

软件介绍

• QCA-DOS 针对清晰集分析的原始程序
• TOSMANA ：多值集定性比较程序
• FSQCA 模糊集版本的定性比较程序

fsQCA

模糊集

• 模糊集由于结合了集合隶属的类别（kind）和程度（degree），因此常被评价为同时具有了定性和定量的属性。

模糊集隶属分数

• 模糊集通过允许取[0]和[1]之间的部分隶属分数，延伸了清晰集，其背后思想是允许集合分数的刻度化，即允许部分隶属。
• 特例：按照以上的定义，0.5是一个定性定位点，但0.5是评估案例时是否隶属或者不隶属一个集合的最大模糊点。

清晰集与模糊集

清晰集	三值模糊集	“连续”模糊集
1=完全隶属	1=完全隶属	1=完全隶属
/	/	偏隶属：0.5<x<1
/	0.5=既非完全隶属 ，也非完全不隶属	0.5=交叉点
/	/	偏不隶属：0<x<0.5
0=完全不隶属	0=完全不隶属	0=完全不隶属

• 多少值隶属是可以自己决定的，可以构建一个五值或者八值的模糊集。
• 不同水平间不需要采用等距的间隔，基于实际，可以制定一个 0、0.2、0.4、0.6、1的五值模糊集。
• 模糊集的基本准则是自己使用实际和理论知识校准隶属分数！！非常重要的话！！！可惜没了标黄

举一个错误的例子
基于人均GDP的富裕国家集合：将最贫穷的国家赋值为0，最富裕国家赋值为1，所有其他国家根据人均GDP排序直接赋值0-1间的隶属分数
正确做法
先找出三个定性的锚点，人均GDP分布上，将最贫穷的国家赋值为0，最富裕国家赋值为1，是否隶属于富裕国家集合的最模糊点赋值为0.5

模糊集运算

• 常见的三种运算“非”、“逻辑与”(AND)以及“逻辑或”(or).
  “非”: 反转分数，~A = [1] - A
  “逻辑与”：集合交集，取集合间的最小值
  “逻辑或”：集合并集，取集合间的最大值