发帖
雷达卡
针对不同的数据如清晰集（clear set）、多变量（muti-value）、模糊集（fuzzy set）
分别 使用csQCA mvQCA fsQCA
从纯理论上讲，QCA更多的是考虑到逻辑问题。
条件x1 x2 x3 ....xn 结果y1y2y3...yn
资料一：
条件0110010 ...1 （0表示没有发生，1表示发生）
结果1001100 ...1
如果有好几条这样的数据，运用QCA逻辑就可快速找到哪些条件可能起到了正面作用，哪些起到了负面作用。也就是我们要找的关键因素吧。
还可以看出哪些条件有关联，如果x1 x2总是同时发生了，结果发生，那么有可能x1 x2两个条件综合成一个关键因素。如：x1为政策，x2为资金，当政策支持的情况下，有资金支持的情况下，发生结果。那么是否可以考虑只有一个因素：资金支持政策？资金支持来自于政府或者资金来自于市场，会不会有同样的结果？如果没有，那x1x2就是两个独立的因素，否则就只是一个因素了，这样有利于减少因素，有利于分析。但是也是存在风险的。
因为是小样本事件且没有随机性，这种分析有先天不足，不过在资料不足情况下，也可以一试。
还有一种方法对小样本的分析可能有用——仿真实验。如果能够有一个形成机理，那么我们就可运用小样本进行验证这个机理，不断改进机理，让它更好的适应小样本，但是也有风险。
小样本分析就如盲人摸像，摸到腿就会说是柱子，摸到耳朵就会说是扇子。
总结：小样本分析有很大风险的。
操作手册fsQCAManual.pdf
(1.61 MB, 需要: 5 个论坛币)
京公网安备 11010802022788号
