定性比较分析与回归分析的对比研究

毛琪 徐爱军

摘 要：定性比较分析是一种以案例研究为导向的研究方法，它可以在一定的理论框架或者研究假设的基础之上，以结果为导向对不同的案例向进行系统的分析与比较。作为一种新兴的研究方法，QCA与传统主流回归分析既有相似之处也存在差异。据此，主要介绍QCA的基本特点以及QCA方法与回归分析之间的异同，同时梳理了两种方法在研究中优势与劣势。

关键词：定性比较研究；回归；对比分析

中图分类号：TB 文献标识码：Adoi：10.19311/j.cnki.1672.3198.2018.32.112

0 引言

定性比较分析（qualitative comparative analysis，下文简称QCA）产生于20世纪80年代末，有查尔斯·拉金（Charles C.Ragin）在1987年提出，它是一种以案例研究为导向的基于理论假设的研究方法。由于社会科学领域会出现各种复杂的案例现象，往往某个案例的成因存在着多元并发的组合因素，以线性因果关系为主的传统定量回归分析方法很难能够深入有效的分析其中的影响结构。它在大样本数据方面具有无可比拟的优势，但确很难捕捉到多个因素的组合对结果的影响。而QCA能够有效的、系统的处理多个案例比较的研究数据，其已广泛应用于工业管理、社会运动等研究领域。因此，本文首先介绍QCA分析的基本特点与内涵，再梳理了两种方法在社会研究中存在的异同点，最后分析在运用该两种方法时的优势与劣势。

1 定性比较分析方法的基本特点与内涵

1.1 QCA方法的特点

首先，QCA是一种定性与定量相结合的方法，它不仅综合了定性分析的优势也包含了定量分析的特点。定性分析的特点主要体现在当案里达到一定数量，研究者对数据进行校对时，可以根据相关理论、研究结论和共识等方式来指定他们是否是集合的成员，这是一个具有主观性的过程。而定量则体现在自动化地对数据进行分析与处理。其次，QCA采用布尔代数对数据进行逻辑运算，而回归分析属于初等代数的运算原理。布尔代数更多的采用两分类法的形式来表达数据，在数据运算中则以变量与变量间的是否有子集或者是否存在脱节等形式来表现变量之间的关系。最后，QCA方法的目的与回归分析所追求的相关关系不同，它告诉我们的是不同的变量以何种组态形式来影响研究者所关注的结果，组态类似于一系列变量的组合。

1.2 QCA的基本內涵

QCA是一种综合了传统定性研究和传统定量研究特点的方法，以分析集合间的隶属关系为手段，基于布尔代数原理，对中小样本或者大样本案例所展现的普遍特征进行归纳和探索。其基本逻辑特征之一是以“必要非充分条件”和“充分非必要条件”来描述因素与结果之间的关系。比如我们假设努力学习的人成绩一定好，那么努力学习则是成绩好的必要非充分条件。在定性比较分析中这种变量与结果之间的关系称为“非对称关系”，它以集合的形式来描述自变量所代表的集合是否是结果变量所代表的集合的子集。QCA第二个逻辑特征是它关注因素的组态形式而非单个独立变量，这些组态是一系列影响结果变量所构成的充分不必要条件，且不是唯一的，这也就为我们的研究结果提供了多重路径。例如“X1～X2X3→R”和“X2～X3X5→R”，显然到达结果R有两条路径，第一条路径是X1、非X2和X3这三种因素的组合，第二条路径是X2、非X3和X5这三种因素的组合。在布尔代数中，“”代表“并且”，“～”代表“非”，“+”代表“或者”。QCA的第三个逻辑特征是通过模糊集来聚焦变量的变化。定性比较分析是根据现有的理论基础将所要研究的因素通过“校准”的方法把变量指定到某一集合中，以表示该因素隶属于这一集合的程度。通常有两种校准方法：一种是清晰集的校准方法，类似于二元分类法，以0和1代表两种不同的结果。另一种是模糊集的校准方法，将0和1之间连续化以体现变量程度变化的不同。

2 定性比较分析与回归分析的异同

作为目前社会科学研究中传统主流的定量研究方法，回归分析其本质是寻找相关变量在大样本统计上是否具有显著性作为其研究的基本逻辑。首先先确定研究的自变量与因变量，然后通过回归验证每个自变量对因变量的影响是否显著，同时要排除他因设定控制变量，找到每个自变量对结果变量真实的影响。而定性比较分析是定量方法的数理统计以及定性方法的个案归纳等特点有机结合的一种方法，它既具有定性研究的本质，以案例为研究载体，也具有以数理统计推断为主的定量研究的特点。定性比较分析认为，案例中各个因素的结合构成了某种结果，且不同的结合方式也会带来不同的结果，因此已有条件会因为研究情景的不同对结果产生不同的影响。定性比较分析带给我们的不仅仅是某个因果模型的拟合程度，而是确定不同因果模型关系的数量与特性。定性比较分析与回归分析的具体异同详见表1。

3 QCA方法与回归分析优劣势比较研究

首先，回归分析在对大样本的处理上具有无可比拟的优势。然而在中小样本的分析中，由于样本量和影响因素的限制，回归分析无法给出深入有效的统计解释。QCA在这方面具有一定优势，它对样本规模的要求不高，在15-85个样本规模及以上都可以运用。研究者在研究过程中可以对总样本进行多次细分，形成不同的子样本，从而得出更加细致的结论。其次，在进行回归分析时，变量间存在强烈的多重共线性，这可能会造成自变量的错误估计。比如某个自变量的作用很小但是它处于相对较好的模型中，回归分析就可能得出该自变量对因变量存在显著地影响的结论。而QCA方法不仅可以充分说明并分析社会现象的多样性及复杂性，它也能够深入挖掘变量与结果之间的作用机制，提供不同因素组合对结果的影响作用。最后，回归分析最重要的特点是它关注单个变量对结果的影响，这是基于自变量间相互独立的理念，但这并不能说明产生某一特定结果的特定原因。此外，影响结果的过程往往都是一系列因素的共同作用，而非单个变量对结果的影响，因而回归分析则难以捕捉到变量的相互作用对结果的影响。而相比较于回归分析，QCA它不仅能够对特定的案例进行解释，也能对结果进行更深入的分析并给出导致某种结果的多重路径组合，进而可以更深一步的分析导致某一结果的原因组合的特性。

QCA方法当然也存在一定的局限性。它无法像回归分析那样有效处理时间序列数据和进行面板数据分析，因为QCA是采用校准的方法将连续型变量转化为二分类变量或者定类变量，这种做法存在太多主观的因素。此外，进行QCA分析时，要求研究者严格筛选对案例有影响的条件变量，如果因素对结果的影响太小，或者条件变量过多时，会导致运行得出的QCA结果可信度不高。同时研究得出的结论也受制于研究者所选择的案例与条件变量。而回归分析在对大样本数据进行分析时，不仅可以有效处理时间序列数据和面板数据，而且在处理多变量数据时，可以通过控制变量和统计推断来找到每个自变量对因变量的真实影响。总之，两种方法在各自的适用范围内都具有一定的优势与劣势，定性比较分析方法能够帮助研究者探索影响复杂社会现象的条件组合和影响方式，而回归分析则能够分析变量之间的相关关系以及数据之间的内在联系。

4 结论

不管是定性比较分析还是回归分析，它们在自己所属的应用范围内都会存在一定的优势与劣势。QCA为研究者提供了导致某种现象的因素组合以及它们的数量和特性，而回归分析能帮助我们探索因素与因素之间的内在联系。这两种方法都只是给出条件变量与结果变量之间的作用关系，却无法给出完整准确的因果解释。因此，不管是运用定性比较分析方法还是回归分析，都应该在这基础之上结和实际案例以及相应的环境机制对得出的结论加以深入和拓展，才能得出更具说服力的因果关系解释。

参考文献

[1]张驰，郑晓杰，王凤彬.定性比较分析法在管理学构型研究中的应用：述评与展望[J].外国经济与管理，2017，39（04）：68.83.

[2]阿克塞尔·马克斯，贝努瓦·里候科斯，查尔斯·拉金，臧雷振.社会科学研究中的定性比较分析法——近25年的發展及应用评估[J].国外社会科学，2015，（06）：105.112.

[3]李涛，李曼.多元线性回归与logistic回归分析的正确应用[J].临床荟萃，2009，24（15）：1288.

[4]夏鑫，何建民，刘嘉毅.定性比较分析的研究逻辑——兼论其对经济管理学研究的启示[J].财经研究，2014，40（10）：97.107.

[5]李蔚，何海兵.定性比较分析方法的研究逻辑及其应用[J].上海行政学院学报，2015，16（05）：92.100.