1. 为什么需要fsQCA与NCA方法融合?
第一次接触组态分析的研究生可能会疑惑:为什么要把fsQCA(模糊集定性比较分析)和NCA(必要条件分析)这两种方法结合起来用?我在博士阶段完成第一个组态分析项目时也产生过同样的疑问,直到看到杜运周教授在《管理世界》发表的系列论文才恍然大悟。
简单来说,fsQCA擅长找出"哪些条件组合能导致结果",而NCA擅长验证"单个条件是否必须存在"。就像做菜时,fsQCA告诉你"糖醋排骨需要糖、醋、排骨的特定配比",NCA则验证"没有排骨就做不成这道菜"。两者结合既能避免遗漏关键要素,又能检验组态结果的可靠性。
实际操作中常见两个误区:一是只用fsQCA不做必要性检验,导致可能把非必要条件误认为核心条件;二是单独使用NCA时,虽然知道某个因素必要但不知道需要搭配什么其他条件。我指导的硕士论文中,就有学生因为没做NCA检验,被答辩专家质疑"如何证明这些变量真的不是必要条件"。
2. 数据准备的双重校准技巧
2.1 原始数据的标准化处理
组态分析对数据质量要求极高,我见过不少案例因为数据预处理不当导致后续分析全盘出错。建议先用Excel完成以下步骤:
- 量纲统一:将所有前因变量标准化到[0,100]区间。用公式
=(原始值-最小值)/(最大值-最小值)*100处理,避免量纲差异扭曲分析结果 - 异常值处理:用箱线图识别异常值,建议用Winsorize方法替换(如将大于99分位数的值设为99分位数值)
- 格式检查:删除所有空格、文本符号,确保纯数字格式。曾经有学生因数据含隐藏空格导致软件闪退,排查了整整两天
2.2 校准点的艺术与科学
校准是fsQCA最关键的步骤之一,也是新手最容易犯错的地方。根据我参与评审的32篇QCA论文经验,90%的方法论问题出在校准环节:
- 分位数选择:新手常犯的错误是机械套用90-50-10分位点。实际上
270



被折叠的 条评论
为什么被折叠?



