QCA方法發展及其在衛生領域中的應用

王 晨 孫明雷 鄒丹丹 趙 娟 于丹丹 趙子華劉俊萍 劉智新 梁立波

隨著環境復雜性程度的提高，衛生領域面臨的問題不斷增多且更加錯綜復雜，傳統的單一前因變量或其與少量前因因素的交互已難以對結果做出全面合理的解釋。一些學者認為，需要將研究的核心邏輯從簡單的線性邏輯逐漸演變為現在的全局邏輯，解決復雜因果關系、更加考慮動態性的構型研究得到關注[1]。定性比較分析（qualitative comparative analysis，QCA）方法被認為是探索這種事物背后聯合效應和互動關系的有效方法，適合于復雜因果關系問題的分析[2]，近年來已經被廣泛應用于管理學[3]、社會學[4]、新聞傳播學[5]等領域，但在衛生領域的研究還需要進一步豐富和發展。因此，本文從QCA方法的起源和發展入手介紹QCA方法的原理和應用，為衛生領域學者對于QCA方法的了解和應用提供參考，推動QCA方法在衛生領域的進一步應用和發展。

1 QCA原理和操作步驟

QCA既可以作為一種思想創新社會科學上的研究，還可以作為一種邏輯工具分析社會復雜性和因果關系。從思想上來說，它綜合了定性研究方法的案例導向性和定量研究方法的條件導向性。案例導向性主要體現在它的多重并發因果關系。多重并發因果關系包含3個方面：一是將事物看作導致現象（需要解釋的現象）的條件組合（潛在的解釋變量）；二是認為不同的條件組合可能產生相同的結果；三是根據具體情況，條件會對結果產生不同的影響。條件導向性體現在它的簡約性和可復制性，它通過布爾代數和集合邏輯實現了將案例簡化為變量形式（條件和結果），即最小化算法組合，這樣的方式也使得其他研究者能夠以相同方式驗證或者證偽分析結果[6]。

在技術方面，QCA的核心思想為集合論和布爾運算，它主要將案例賦值為具有一定意義的數字（條件組合），通過軟件程序或者分析技術進行分析運算，輸出簡化的表達式。目前存在的主要分析技術手段見表1，fs/QCA和TOSMANA是國內外比較常用的分析軟件；此外，R語言的靈活性也使得R成為QCA分析的重要環境。

表1 QCA分析手段

其技術手段主要分為3類：csQCA（清晰集比較方法）、fsQCA（模糊集比較方法）和mvQCA（多值集比較方法）[7]。3種的操作形式基本類似（圖1）。在確定研究對象后，需要篩選出合適案例，案例的選擇需要遵循理論抽樣原則，追求案例的清晰界定和案例間的最大異質性。再通過理論視角、實踐視角或者混合視角搭建自己的研究框架[2]，確定條件變量，我國學者杜云周也總結了5條條件確定的參考辦法[6]；在條件變量的數量選擇上，需要遵循數量和案例之間的平衡性。賦值或校準是QCA的關鍵步驟，需要根據理論或者實踐知識，合理透明地為案例建立賦值標準。目前對于定量數據賦值標準主要采用Ragin提出的3種校準方式——直接賦值、直接校準法和間接校準法。最常采用的直接校準法是通過邏輯函數設立1（完全隸屬）、0.5（交叉點）、0（完全不隸屬）3個定性錨點對于原始數據進行校準；對于定性數據的訪談方式一般分為3類：一是通過清晰集將劃分為“0”“1”，二是采用BASURTO的操作指南，以“頻率”作為標準進行模糊集的劃分[8]，三是采用TOTH的通用隸屬評價模板，以事情發展方向作為標準，進行六分類模糊集的劃分[9]。構建真值表后對于條件進行必要性檢驗，確定必要條件后通過軟件輸出結果的3種表達式：簡約解、中介解和復雜解并加以分析和解釋。最后，可以通過調整相關參數等方式進行QCA結果的穩健性檢驗。

圖1 QCA分析步驟

2 QCA的主要數據來源和方法補充

通過對QCA有關文獻進行梳理發現，目前QCA文章的案例數據主要有兩種來源：一是定性數據，通過公開文件或其他定性手段收集資料，建立案例庫[10]；二是定量數據，對于通過公共數據或者公開數據庫進行分析[11]，部分學者采用定量的問卷調查方式獲取問卷數據[12]。在數據處理中，相關性分析和量表信效度檢驗等是問卷數據案例前期準備過程中的常用方法[3]。

由于QCA目前仍然處于一個不斷發展和完善的過程中，在結果分析中有些學者會采用結構方程或者實驗法作為QCA方式的補充，進行結果的進一步分析和驗證。Dul教授2016年提出必要條件分析（necessary condition analysis，NCA）來判斷條件變量中的必要條件，可以作為QCA方法中必要條件判斷的補充[13]；TJ-QCA（trajectory-based QCA）作為一種在概念和方法上解決和整合QCA流程的新方向也在提出和討論中。

3 QCA的優點和局限

相較于傳統的定性研究或者定量研究，QCA具有一定的優勢：首先，樣本大小選擇具有靈活性。既可以用于處理定性研究無法處理的大樣本，也可以處理低于標準回歸分析所需的樣本大小的中等樣本或者小樣本[14]。第二，QCA特別適合于討論因果復雜性問題。對于單一因果條件難以解釋結果的情況下，QCA可以以組合的形式對于多條件的不同組合方式和作用機制進行探討。第三，承認允許因果條件的不同組合的等價性。等價性意味著因果條件（路徑）的不同配置可以導致相同的結果，這也為發現的復雜社會關系提供了可能。第四，承認因果不對稱性。因果不對稱性意味著導致特定結果的因果條件組合不一定可以通過逆條件推出反結果[15]。符合客觀的事情發展邏輯，也使得結果更具代表性。

由于社會學所具有的社會復雜性和因果復雜性，QCA可以解決因果復雜性問題，但是理論和現實的偏差常常在實際操作中存在問題。Fiss提出了4種把握社會學現象、更加合理使用QCA的策略[16]，見表2。

表2 4種把握社會學現象的QCA策略

但是QCA在某些方面依然具有局限性：一是對于數據的校準過程有著較高的要求。數據校準既可以支持也可以減損結果的有效性，一個有缺陷的校準過程將導致扭曲的發現，因此在手動校準需要詳細解釋所采用的校準過程及其基本原理，在校準過程中更加謹慎。第二，隨著條件數量的增加，QCA產生的結果變得越來越復雜。QCA主要基于布爾算法將案例的排列組合進行邏輯推演，推算出可能存在的條件組合和簡約化的條件組合。因此隨著條件數量的增加，排列組合方式增多，結果解釋會變得更加困難。第三，由于QCA主要通過條件組態完成案例的分析，因此很難處理時間序列和面板數據，在連續數據處理上同樣具有缺點。第四是對于某些難以聚類的條件變量，可能會因為觀察的有限性造成某些細微條件的缺失。

4 QCA在衛生領域的應用研究

QCA方法在衛生領域起步較早，起初集中在藥品價格領域[17-18]，隨著社會嵌入在中國的發展和應用普及，現在在醫療費用[19]、中醫傳承[20]等方面都出現了對于QCA方法的應用，學位論文多見。在衛生領域不少學者都進行了嘗試，但是和其他領域相比，衛生領域中QCA的應用在適用范圍和技術規范上還有進一步改進的空間。

衛生領域面臨的問題不斷增多且更加錯綜復雜，傳統的單一前因變量或其與少量前因因素的交互可能難以對結果做出全面合理的解釋，QCA方法在衛生領域的使用還具有進一步的可能性。尤其是在成因、影響機制等研究上，QCA可以作為一種方法手段的補充，進一步了解解釋變量間的聯合效應。

5 總結和展望

QCA方法作為一種整體論視角下基于案例比較的分析方法，盡管在數據校準處理上具有一定的局限性，但是相較于傳統的定性和定量手段，QCA在分析事物解釋變量之間的聯合效應上有著特殊的作用，適合于因果復雜性問題的研究。它的應用和普及也進一步說明了該方法作為一種研究思路的補充，得到越來越多學者的關注和應用，逐漸成為一種趨勢。而在衛生領域中，衛生系統內部所具有的復雜性特征為QCA方法提供了良好的適用環境，不僅可以用于不同案例地區的衛生政策、衛生環境之間的比較的深度分析；對于某些衛生組織機構，也可以通過QCA進行組織內部結構或者運行機制的比較分析；除此之外，通過對案例對象的設置不同，一些衛生問題的成因和影響機制分析也可以通過QCA實現。總體來說，根據案例的選擇和解釋變量的設定，QCA可以作為探究具有多因多果的衛生系統復雜性問題成因和內部機制的重要工具，在微觀、中觀或者宏觀系統中都可以適用。