动态QCA|一条通向动态QCA产出的道路1.0

一、动态QCA原理介绍

（一）动态QCA介绍

        QCA（Qualitative Comparative Analysis）是一种定性比较分析方法，用于研究中小样本量的数据，旨在探索变量之间的复杂关系。在QCA中，研究者将变量分为二元变量（取值为0或1）进行分析。QCA方法通过比较不同情况下的变量组合，找出导致某种结果或事件发生的关键组合条件，从而揭示出变量之间的交互作用和逻辑关系，具有一定的优势。

        动态QCA是QCA方法的一个扩展，用于分析随时间变化的数据。动态QCA考虑了时间因素对因果关系的影响，在QCA的基础上增加了时间维度的考虑，可以更全面地理解变量之间的动态关系，分析时间序列数据的变化模式和因果关系。

        与动态QCA相比，传统的QCA方法更侧重于静态数据的分析，不考虑时间因素。传统QCA更适用于静态数据和横截面研究，而动态QCA则更适用于分析时间序列数据和长期趋势的研究。另外，双重比较分析（fsQCA，Fuzzy-Set Qualitative Comparative Analysis）是QCA方法的另一种扩展形式，采用模糊集理论，允许在分析中引入一定的灰色区域，更适用于现实世界复杂多变的情况。

        但既有研究往往采取静态 组态观、截面数据和静态QCA去探究某一时间节点影响结果条件的多要素状态，未能描绘多要素演化轨迹。 当前，多阶段QCA、TQCA、线性增长QCA允许纳入时 间因素，但在空间方面处理不足。上述方法特性使得 QCA研究在时间和空间维度的讨论往往语焉不详，尤 其是存在“时间盲区”，导致理论静态性和理论不饱 和。为弥补时间效应和空间效应处理不足的问题，罗 伯特·加西亚-卡斯特罗（Roberto Garcia-Castro）等人 开创性地研制了面板数据QCA方法。该方法有完善的 工具包，可在R语言环境下运行分析。面板数据QCA从 汇总结果（pooled）、组间结果（between）和组内结果 （within）三个方面完整地处理了面板数据，使研究者 可以观测某一组态在时间和个体（集群）维度上的变化 情况，可以较好地克服目前QCA研究忽视时间和空间的 问题。

（二）与其余QCA的联系和区别

        在QCA（Qualitative Comparative Analysis）方法的基础上，衍生出了多种变体和扩展方法，其中包括了两阶段等方法（2-Step QCA）和其他一些QCA的变体。这些方法在分析复杂关系和解释研究问题时具有不同的特点和应用场景。下面将详细介绍这些方法与动态QCA的区别与联系：

        1. 动态QCA：动态QCA是QCA方法的一个扩展，用于分析随时间变化的数据。动态QCA考虑了时间因素对因果关系的影响，可以更好地捕捉变量之间的动态关系和时间序列数据的变化模式。动态QCA关注因果关系随时间变化的演变，能够更全面地理解变量之间的动态关联。因此，动态QCA适用于分析时间序列数据和长期趋势的研究。

        2. 两阶段等方法（2-Step QCA）：两阶段等方法是一种将定性和定量分析相结合的方法，在第一阶段进行定性比较分析，然后在第二阶段通过统计方法验证模型的结构和关系。2-Step QCA方法旨在整合定性和定量分析的优势，对于复杂问题的研究提供了一种综合分析的途径。

1）区别：
- 动态QCA关注因果关系随时间变化的演变，尤其适用于时间序列数据的分析；而两阶段等方法主要强调定性和定量方法的整合，旨在验证模型的结构和关系。
- 动态QCA重点在于捕捉变量之间的动态关系和时间变化模式；而两阶段等方法更注重研究设计中定性和定量方法的结合。

2）联系：
- 两阶段等方法和动态QCA都是QCA方法的变体，都能够应用于复杂问题的研究中，提供不同类型的分析和解释途径。
- 在选择使用哪种方法时，可以根据研究问题的性质和数据的类型来进行判断，以确保选用最合适的分析方法来解决问题。

（三）概念介绍

        1）区别于传统QCA，面板QCA主要从三个维度测量一致性：组间一致性（BECONS），组内一致性（WICONS）和汇总一致性（POCONS）。BECONS衡量面板中每年的横截面一致性，WICONS衡量每个案例跨时间关系的一致性，在面板数据中包含T个不同的BECONS、N个不同的WICONS和一个POCONS，并通过一致性调整距离来检验一致性在时间维度和案例维度的稳定性。

二、动态QCA与非动态QCA

（一）非动态QCA的介绍

[1]蒙克,魏必.反思QCA方法的“时间盲区”：为公共管理研究找回“时间”[J].中国行政管理,2023(01):96-104.DOI:10.19735/j.issn.1006-0863.2023.01.11.

        非动态性QCA方法包括那些难以识别条件组态如何随时间变化（或者不变化）的QCA方法。需要说明的是，这并不意味该类方法完全没有考虑到任何与时间（时序）有关的条件或者变化，只是不适用于回答组态解是否具有时变的特点。一是基于轨迹的QCA(Trajectory-based QCA，简称轨迹QCA）。该方法于2020年由Pagliarin等人提出，旨在利用案例的历史信息以使得“轨迹”捕捉到案例变化的质性特征。[45]二是将时间变量作为条件变量之一的时间变量型QCA。该方法由Fischer和Maggetti提出，实质上将时间变量定义为了动态条件。[46]换言之，该方法只是在条件中加入了时间元素。[33]三是时间序列QCA(Time-Series Qualitative Comparative Analysis,TS-QCA）。[48]其包括三个子类：（1）汇总QCA(Pooled QCA），将各案例在各时点上的观测汇总到一起，一并进行校准及组态分析。（2）固定效应QCA(Fixed-Effect QCA）针对每一案例，分别取其均值进行校准，以固定“个体”所带来的效应。（3）时差QCA(Time-Differencing QCA），关注案例在观测期间的首尾（或是其他两个特定时点之间）变化情况，并对差值进行校准，以解释结果变量增加或者减少。四是时序定性比较分析（Temporal Qualitative Comparative Analysis,TQCA）。[49]该方法由Caren和Panofsky提出，并由Ragin和Strand加以改进。[50]该方法的主要逻辑是将时间包含在条件的发生顺序当中，认为条件A发生在条件B之前（或之后）本身就隐含了一种时间性。值得指出的是，虽然时序QCA与时间序列QCA并不直接考察组态随时间演化，但是在条件组态分析过程中的确体现了部分时间的特性。

（二）动态QCA

        动态性QCA方法是那些可以直接考察组态在不同时点上所呈现的状态的QCA方法的总称，主要包括多时段QCA和面板QCA两种类型。多时段QCA，是指将案例研究时期分为若干段，随后在各个时段之中得出组态结果，并且将结果进行跨期比较与分析。对于面板QCA,Garcia-Castro和Ariño于2016年首创了这一方法（称为Panel Data QCA，简称PD-QCA）。该方法将原有的一致性扩展为三类一致性：汇总一致性（POCONS）、组间一致性（BECONS）和组内一致性（WICONS），并相应拓展了原始覆盖度的概念，提出了汇总覆盖度、组间覆盖度和组内覆盖度的计算方式，并在此基础上进一步定义了组间一致性距离（BECONS distance）和组内一致性距离（WICONS distance）。组内一致性距离及组间一致性距离越小则表明解（solution）的跨时间和跨个案的稳定性更高。为了使得组间一致性距离和组内一致性距离对于时点数量和个案数量更稳健，作者还提出了调整后的组内一致性距离（WICONS adjusted distance）和调整后的组间一致性距离（BECONS adjusted distance）。

        相比非动态性QCA，动态性QCA方法（包括多时段QCA和面板QCA）的核心优势在于可以有效应对前述传统QCA方法的“时间盲区”在理论构建和实证检验阶段所导致的一系列问题。一方面，对于多时段QCA，研究者可以用其得出不同时段中的组态解，并借助对案例所处时间背景的深入了解，构建一个能够有效解释不同时期组态结果的理论。同时，多时段QCA可以在不同时点上检验理论，相比单一时点，能够提供不同时点上的证据以证实或者证伪理论。另一方面，对于面板QCA，其在理论构建阶段不仅可以帮助研究者识别某个条件组态的有效性如何随着时间的推移而发生变化，还可以通过汇总一致性和汇总覆盖度以量化时间效应和个体效应，帮助研究者评估各条件组态在总体上的成立程度，以构建一个既能涵盖总体规律，又能解释细微差别（nuance）的动态理论。而在实证检验阶段，面板QCA还可以用于增强理论检验的稳健性，或是发现组态的周期变化规律进而证实、证伪或改进理论。

三、动态QCA学习资料

文献一：Oana, Ioana-Elena, and Carsten Q. Schneider. "SetMethods: an add-on R package for advanced QCA." The R Journal 10.1 (2018): 507-533.

文献二：Garcia-Castro, Roberto, and Miguel A. Ariño. "A general approach to panel data set-theoretic research." Journal of Advances in Management Sciences & Information Systems 2.63-76 (2016): 526.

文献三：Oana, I. E., Medzihorsky, J., Quaranta, M., Schneider, C. Q., & Oana, M. I. E. (2023). Package ‘SetMethods’.

其余参考阅读文献：

[1]Oana, Ioana-Elena, and Carsten Q. Schneider. "A robustness test protocol for applied QCA: Theory and R software application." Sociological Methods & Research 53.1 (2024): 57-88.

[2]Schneider, Carsten Q. "Two-step QCA revisited: the necessity of context conditions." Quality & Quantity 53 (2019): 1109-1126.

[3]Schneider, Carsten Q. "Qualitative Comparative Analysis (QCA): Performing Basics and Advanced Analyses using R Department of Political Science Central European University." (2023).

[4]Oana, Ioana-Elena. "Qualitative Comparative Analysis." Doing Good Qualitative Research (2024): 422.

[5]Bhattacharya, Preya. "How to build and analyze a panel data QCA model? A methodological demonstration of Garcia-Castro and Arino’s panel data QCA model." Methodological Innovations 16.3 (2023): 265-275.