来源：市场资讯
（来源：经济管理学刊）
近日，机械工业出版社与山东大学管理学院联合举办了“2026社会科学研究方法学术周”。在定性比较分析（QCA）方法工作坊上，东南大学杜运周教授对QCA方法进行了系统深入的讲解。本系列文章根据杜运周教授历次QCA工作坊讲座内容整理而成，三篇文章分别回答“为什么用QCA”“怎么用QCA”“QCA的前沿在哪里”三个问题。本文为第二篇文章，整理如下，以飨读者。
QCA方法从原理到发表——七个核心要点深度解析
一、引言：QCA不是“另一种回归”
在每年的QCA工作坊上，杜运周教授都会首先强调：很多初学者将QCA误解为“另一种回归分析”——输入变量，跑出结果，看显著性。这是对QCA的误解。
核心观点：回归分析基于相关关系，假设对称性分析净效应；QCA基于集合关系，假设非对称性，分析必要性和充分性，识别组态效应。 理解这一差异，是做好QCA研究的第一步。杜运周教授指出，QCA综合了定量研究与定性研究两种主流研究方法的优势来处理社会现象中普遍存在的因果复杂问题，既适合于少案例数的研究、中等规模样本，也适合超过100案例数的大样本。
二、要点一：校准——从“测量”到“赋予意义”
校准是QCA分析的第一步，也是最容易被误解的步骤。
传统“测量”只显示案例相对于彼此的位置——A城市3.5分，B城市4.2分。但“3.5”到底意味着“高”还是“低”？没有外部标准，我们无从判断。
杜运周教授指出：校准就是为数据赋予“集合意义”。 它回答的是：这个案例在多大程度上属于某个集合？
校准需设定三个锚点：完全隶属阈值、交叉点阈值、完全不隶属阈值。在直接校准法中，研究者需定义集合（如“高绩效”“高创新”），找出三个锚点：完全隶属阈值、交叉点阈值、完全不隶属阈值。
杜运周教授特别提醒：锚点设定应基于理论和实际知识，而非机械依赖样本统计。以Fiss（2011）校准“大企业”为例：员工数250以上为完全隶属、10以下为完全不隶属、50为交叉点——这些锚点有实际管理意义。如果可能，应使用理论和实际知识作为校准的锚点，避免机械依赖样本描述性统计。当缺乏外部标准时，可以采用样本描述性统计，但需明确说明并保持透明。
常见误区：不分情况，直接用均值、标准差，或者样本的上四分位数、中位数、下四分位数作为校准锚点。杜运周教授指出，“平均值和标准偏差随样本变化”，机械使用统计百分位数会使结论随样本变化，失去可复制性。
三、要点二：一致性——评估集合关系的核心指标
一致性（Consistency） 评估前因组态是否是结果集合的子集（充分性），或结果是否是前因的超集（必要性）。
充分性一致性公式为：
Consistency (Xᵢ ≤Yᵢ) = Σmin(Xᵢ, Yᵢ) / ΣXᵢ
当所有Xᵢ均小于等于相应的Yᵢ时，一致性为1。简单理解：当条件X的隶属度不超过结果Y的隶属度时，说明X是Y的子集，即X是Y的充分条件。充分性分析中，阈值通常设定为0.8以上 ；必要性分析中，阈值更为严格，通常为 0.9以上 。
四、要点三：PRI一致性——避免逻辑矛盾的利器
PRI一致性是更严格的指标。当某个前因组态同时对结果Y和非Y都显得充分时（逻辑矛盾），PRI可以帮我们做出判断。杜运周教授解释道：“PRI表示不一致的比例减少，由Ragin（2006）在fs/QCA软件中引入。”
PRI公式是X对Y充分一致性公式的扩展。当发生并发子集关系时（即X同时对Y和~Y都是充分条件时），PRI得分可以决定X对Y还是~Y来说是充分的。
经验阈值：PRI应不低于0.65-0.75 。杜运周教授建议：“0.7以上大家不会质疑的。0.6以下可能被质疑。”
常见误区：只看原始一致性≥0.8，忽略PRI。若某组态原始一致性达标但PRI<0.65，说明它同时也能解释“非结果”案例，存在逻辑矛盾，应手动把对应的结果编码为0。
五、要点四：覆盖度——评估组态的经验重要性
覆盖度（Coverage） 评估组态解释了多大比例的结果案例，分为原始覆盖度和唯一覆盖度。
覆盖度没有固定阈值。杜运周教授指出：“0.1以上就很不错了。”
六、要点五：三种解的理解与使用
QCA分析会产生三种解：
复杂解（也称“保守解”）仅使用实际观察到的组态进行布尔最小化，不纳入任何逻辑余项。最为保守，但也最为复杂。
简约解同时纳入所有逻辑余项——无论“容易”还是“困难”的反事实——进行最大限度的简化。最为简洁，但也可能包含没有理论依据的反事实假设。
中间解仅纳入“容易的”反事实——即有理论和实际知识支持的逻辑余项。杜运周教授举例：“如果理论与经验支持条件D存在时产生高绩效，那么A·B·C·D就是一个‘容易的’反事实。”
最佳实践：报告中间解，用简约解识别核心条件。 核心条件同时出现在两种解中，边缘条件仅出现在中间解中。具体做法是将简约解与中间解对比——同时出现的为核心条件（用实心圆表示），仅在中间解中出现的为边缘条件（用空心圆表示）。
七、要点六：频数阈值如何选择
频数阈值区分“有真实观察的组态”和“逻辑余项”。逻辑余项是指按照前因条件的逻辑组合可能的组态个数为2ⁿ，但由于有限多样性，实际研究中可能只能观察到部分组态，剩下的为“逻辑余项”。
杜运周教授给出经验参考：“当样本足够大时，应选择更大临界值，比如大于2ⁿ（样本的1.5%）。”同时强调：“选择频数后应至少保留75%的观察案例。”一个基本的经验是选择频数后应该至少保留75%~85%的观察案例，避免删失太多资料。
常见误区：认为“频数越大越严谨”。杜运周教授指出，频数=1是默认的合理选择——“只要案例足够重要，默认的频数1就是可以的。”当样本较小时，选择1作为临界值是合理的；当样本足够大时，可根据样本分布适当提高。
八、要点七：命名规范——拒绝随意命名
组态命名是杜运周教授在评审QCA稿件时最常发现的问题。
好的命名应抓住组态的“共性”与“差异” 。以杜运周教授团队2022年发表于《管理世界》的论文为例：都有好市场环境，共性是属于市场驱动。差异在于：
S1：技术效率型市场驱动——创新环境不好，属技术效率提升型
S2：渐进创新型市场驱动——创新环境好，但法制和政务环境不够好，属渐进创新型
S3：政府轻推的突破创新型市场驱动——创新环境好，法制和政务环境都好，属突破创新型
常见误区：随意起名，没有理论对话。命名应反映“为什么这个组态能产生结果”的机制逻辑，而非仅仅是“条件A出现、条件B不出现”的表面描述。
九、结语：质量在于研究设计
QCA的软件操作本身不复杂，真正决定质量的是理论驱动的条件选择、有意义的校准锚点设定、合理的阈值决策、扎实的案例解释，以及规范的结果报告。
杜运周教授建议研究者反复研读Greckhamer等（2018）发表在Strategic Organization上，以及国内学者发表在《管理世界》《管理学报》等上关于QCA方法“最佳实践”文章。并关注QCA工作坊，通过持续学习和同行交流来提升研究质量。
杜运周
东南大学
经济管理学院
杜运周，东南大学经济管理学院特聘教授，东南大学管理哲学与方法论研究所所长，中国管理现代化研究会管理研究方法专业委员会主任，中国企业管理研究会管理哲学专业委员会主任，国际比较方法COMPASSS咨询委员会专家。主要研究方向为管理哲学、QCA方法、营商环境与市场活力、创新创业，主持国家自然科学基金重点项目、面上项目等多项，在《管理世界》和Entrepreneurship Theory and Practice、Technovation等期刊上发表了系列QCA方法论文，提出了复杂中介模型和复杂成长模型等，单篇论文引用超6000次。
热门跟贴