Suchergebnisse

"Claudius Wagemann diskutiert den Nutzen der Forschungsmethode des strukturierten Fallvergleichs als 'Qualitative Comparative Analysis' (QCA) für die Policy-Forschung. Wie die amerikanischen Sozialwissenschaftler King, Keohane und Verba startete auch Charles Ragin mit der Entwicklung und Anwendung von QCA den Versuch, das bis dahin ungelöste Problem einer wissenschaftlichen Systematik in qualitativer Sozialforschung anzugehen. Der Beitrag diskutiert insbesondere die Idee der Kausalität und räumt übliche Missverständnisse von QCA aus dem Weg. Dabei wird insbesondere auf die Anwendungsmöglichkeiten der fuzzy-set-Variante von QCA hingewiesen. Sie eignet sich besonders für die Analyse komplexer, nicht einfach quantifizierbarer Phänomene, wie sie für die Policy-Forschung ja typisch sind. Da jedoch auch QCA für das Problem vieler Variablen und weniger Fälle keine abschließende Lösung bereithält, ist Komplexität zugleich die Ursache für Anwendungsprobleme, die sich lediglich durch die sparsame und vorsichtige Verwendung von QCA eindämmen lassen." (Autorenreferat)

The key to using an analytic method is to understand its underlying logic and figure out how to incorporate it into the research process. In the case of Qualitative Comparative Analysis (QCA), so far these issues have been addressed only partly. While general introductions and user's guides for QCA software packages are available, prospective users find little guidance as to how the method works in applied data analysis. How can QCA be used to produce comprehensive, ingenious explanations of social phenomena? In this article, the author provides such a hands-on introduction to QCA. In the first two parts, he offers a concise overview of 1. the method's main principles and advantages as well as 2. its vital concepts. In the subsequent part, he offers suggestions for 3. how to employ QCA's analytic tools in the research process and how to interpret their output. Lastly, the author shows 4. how QCA results can inform the data analysis. As the main contribution, he provides a template for how to reassess cases, causal recipes, and single conditions based on QCA results in order to produce better explanations of what is happening in the data. With these contributions, the article helps prospective QCA users to utilize the full potential the method offers for social science research.

"Qualitative Comparative Analysis (QCA) ebenso wie die Erweiterung zu Fuzzy Set Qualitative Comparative Analysis (fs/QCA) wurden von dem amerikanischen Sozialwissenschaftler Charles C. Ragin eingeführt. Ziel von QCA und fs/QCA als Methoden zur kausalen Inferenz ist es, ein zu erklärendes Phänomen als das Ergebnis verschiedener Kombinationen von Merkmalsbedingungen zu modellieren. QCA und fs/QCA eignen sich für jene Forschungssituationen, in denen (a) Hypothesen oder zumindest starke Erwartungen über das Vorliegen notweniger und/oder hinreichender Bedingungen und damit über äquifinale und kombinatorische kausale Strukturen vorliegen, (b) die Fallzahl und die Qualität der Daten zu gering für die Anwendung fortgeschrittener statistischer Verfahren sind, die in der Lage wären, die erwarteten komplexen kausalen Strukturen zumindest annähernd zu modellieren und/ oder (c) fallbasiertes Wissen stark in den Analyseprozess eingebracht werden soll und kann. Es bestehen mehrere bedeutende Unterschiede zu herkömmlichen statistischen Verfahren, insbesondere der Regressionsanalyse: (a) die der QCA zu Grunde liegenden Daten sind qualitativer Natur und drücken die Zugehörigkeit von Fällen zu Mengen aus; (b) die Beziehung zwischen dem zu erklärenden Phänomen und den Bedingungen wird auf der Basis von Mengenbeziehungen und nicht von Kovariationen untersucht; (c) die Ergebnisse werden im Sinne notwendiger und hinreichender Bedingungen und nicht additiver und unifinaler Modelle interpretiert und (d) QCA und fs/QCA können nicht auf die Analyse von Datensätzen reduziert werden. Vielmehr ist dieses analytische Moment - wie in qualitativer Forschung üblich - untrennbar in einen iterativen Prozess eingebettet, der zwischen Analyse, Respizifikation der Untersuchungsfälle und -konzepte sowie weiterer Datenerhebung und erneuter Analyse pendelt. In einem engeren Sinn handelt es sich bei QCA und fs/QCA um ein auf boolescher Algebra beruhendes Datenanalyseverfahren, in dessen Kern die logische Minimierung der in einer Wahrheitstafel enthaltenen Information steht. Technisch bestehen keine Unter- und Obergrenzen für die zu analysierende Fallzahl. Da die Güte von QCA und fs/QCA jedoch entscheidend von einem Mindestmaß an Vertrautheit mit den Fällen abhängt, bietet sich ein mittleres N (10-50) an. Dies schließt eine fruchtbare Anwendung von QCA und fs/QCA auf Datensätze mit mehreren Tausend Fällen (Individualdaten) nicht grundsätzlich aus. Bei sehr niedriger Fallzahl (2-10) verliert QCA viele ihrer Vorzüge gegenüber klassischen fallorientierten Vergleichsansätzen." (Autorenreferat)

Die Autorin präsentiert die qualitativ vergleichende Analyse als ein Verfahren, das die Vorteile der qualitativen und quantitativen Vorgehensweisen miteinander verbinden kann, und setzt sich mit den Anwendungsgebieten dieses Verfahrens auseinander. Sie schildert die einzelnen Schritte der Verfahrensweise, wobei die Boolesche Logik, die Wahrheitstafel, die Booleschen Operatoren und die logische Reduktion thematisiert werden. Auf dieser Grundlage werden die Kritik an diesem Verfahren und seine Weiterentwicklungen erörtert. (ICG)

Qualitative comparative analysis (QCA) appears to offer a systematic means for case-oriented analysis. The method not only offers to provide a standardized procedure for qualitative research but also serves, to some, as an instantiation of deterministic methods. Others, however, contest QCA because of its deterministic lineage. Multiple other issues surrounding QCA, such as its response to measurement error and its ability to ascertain asymmetric causality, are also matters of interest. Existing research has demonstrated the use of QCA on real data, but such data do not allow one to establish the method's efficacy, because the true causes of real social phenomena are always contestable. In response, the authors analyze several simulated data sets for which true causal processes are known. They find that QCA finds the correct causal story only 3 times across 70 different solutions, and even these rare successes, on closer examination, actually reveal additional fundamental problems with the method. Further epistemological analyses of the results find key problems with QCA's stated epistemology, and results indicate that QCA fails even when its stated epistemological claims are ontologically accurate. Thus, the authors conclude that analysts should reject both QCA and its epistemological justifications in favor of existing effective methods and epistemologies for qualitative research.

This article aims to qualify the skeptical view of many leading methodologists on multi-value Qualitative Comparative Analysis (mvQCA). More specifically, it draws attention to a distinctive strength of this QCA-variant. In contrast to the other QCA-variants, mvQCA is capable of straightforwardly capturing the specific causal role of every category of a multi-value condition. This provides it with an important advantage over both crisp set (csQCA) and fuzzy set QCA (fsQCA). fsQCA is not capable of capturing the causal effect of an intermediate category if, depending on the context, it can have a different impact than the full presence of the corresponding condition. csQCA, in turn, tends to attribute a causal role to the absence of condition values, which in the case of multi-value conditions often encompass very different cases. The article first discusses the comparative advantage of mvQCA with a constructed data set, after which it reanalyzes two published studies to demonstrate these advantages with empirical data. (author's abstract)

"Qualitative Comparative Analysis (QCA) in Public Administration" published on by Oxford University Press.

"Qualitative Comparative Analysis (QCA) and Set Theory" published on by Oxford University Press.