Analiza comparativă calitativă

Această intrare despre sociologie este orfană , ceea ce înseamnă că nu există legături de intrare din alte intrări . Introduceți cel puțin unul relevant și non-generic și eliminați avertismentul. Urmați sfaturile de proiectare de referință .

Această intrare sau secțiune despre sociologie nu este încă formatată conform standardelor . Contribuiți la îmbunătățirea acestuia în conformitate cu convențiile Wikipedia . Urmați sfaturile de proiectare de referință .

Sub denumirea de QCA ( Analiza comparativă calitativă ) se readuc o multitudine de metode și tehnici de comparație, utilizate în principal în domeniul cercetării socio-politice. Cea mai recentă propagandă a sa a fost realizată de Charles Ragin (1987 - 2000), propunând două versiuni pe care le raportăm aici (csQCA și fsQCA). Dezvoltat pornind de la unele tehnici comparative ale științei politice (metodele lui John Stuart Mill ; cel mai similar sistem și cel mai diferit sistem ), QCA, în propunerea lui Charles Ragin, extinde posibilitățile de analiză a complexității cauzale pe un număr de cazuri mai mici decât cele necesare pentru a face inferență statistică .

Setul QCA Crisp-Set (csQCA)

În prima și mai simplă versiune propusă de Charles Ragin , QCA funcționează prin utilizarea algebrei booleene și a tabelelor de adevăr pentru a reconstitui complexitatea cauzală a unor fenomene. În special, tabelul adevărului prezintă în coloană condițiile presupuse ale fenomenului investigat, pe rând toate combinațiile teoretice posibile ale prezenței-absenței condițiilor (configurații), în timp ce în ultima coloană valoarea prezenței empirice- absența este raportată (observată în realitate) a rezultatului (efectul).

${\displaystyle \mathrm{<span\; class="mwe-math-element"><span\; class="mwe-math-mathml-inline\; mwe-math-mathml-a11y"\; style="display:\; none;">LA</span></span>}}${\ displaystyle A}	${\displaystyle \mathrm{<span\; class="mwe-math-element"><span\; class="mwe-math-mathml-inline\; mwe-math-mathml-a11y"\; style="display:\; none;">B.</span></span>}}${\ displaystyle B}	${\displaystyle \mathrm{<span\; class="mwe-math-element"><span\; class="mwe-math-mathml-inline\; mwe-math-mathml-a11y"\; style="display:\; none;">C.</span></span>}}${\ displaystyle C}	${\displaystyle \mathrm{<span\; class="mwe-math-element"><span\; class="mwe-math-mathml-inline\; mwe-math-mathml-a11y"\; style="display:\; none;">Da</span></span>}}${\ displaystyle Y}
0	0	0	1
1	0	0	0
0	1	0	1
0	0	1	1
1	1	0	0
1	0	1	1
0	1	1	0
1	1	1	0

Modurile de prezență sau absență ale condiției (A, B, C) și ale rezultatului (Y) sunt dihotomice, ca în logica clasică: 1 indică prezența, 0 absență. Numărul de configurații teoretice este dat de numărul de condiții pe care le includem în analiză (dacă n este numărul de condiții, configurațiile vor fi ${\displaystyle {\mathrm{<span\; class="mwe-math-element"><span\; class="mwe-math-mathml-inline\; mwe-math-mathml-a11y"\; style="display:\; none;">2</span></span>}}^{\mathrm{<span\; class="mwe-math-element"><span\; class="mwe-math-mathml-inline\; mwe-math-mathml-a11y"\; style="display:\; none;">n</span></span>}}}${\ displaystyle 2 ^ {n}} ). Deja acum putem ghici care sunt diferențele dintre un tabel de adevăr și o matrice de date : în tabel, de fapt, nu avem frecvența cazurilor care corespunde fiecărei combinații, ci doar prezența sau absența rezultatului. Lipsit de informații cantitative, QCA se propune, prin urmare, în primul rând ca o tehnică de analiză calitativă, care acordă importanță prezenței unei configurații, mai degrabă decât frecvenței sale empirice. Odată cu analiza tabelelor de adevăr, sunt identificate tipurile de relații dintre condiții și rezultate. Prin utilizarea unui software special [fs / QCA] ( [1] Arhivat 8 iulie 2010 în Internet Archive .) Pe baza algoritmului Quine - McCluskey, tabelele sunt reduse la minimum pentru a urmări condiții suficiente, condiții necesare sau complexe.

Cu toate acestea, utilitatea tehnicii nu constă în căutarea unor condiții simple suficiente sau necesare, ci în introducerea „cauzalității comune”, care implică includerea în tabele nu numai a condițiilor individuale (indicate în mod convențional cu litere mari de alfabetul latin) și negațiile acestora (pentru care se folosesc literele minuscule corespunzătoare), dar și combinații de condiții. Vorbim despre condițiile INUS: parte insuficientă, dar necesară a unei condiții inutile, dar suficientă . Un posibil rezultat al analizei unor condiții suficiente (care nu este preluat din tabelul de adevăr propus mai sus) ar putea fi:

 Ab + C → Y

unde A și b sunt condiții INUS, în timp ce combinația Ab și C sunt suficiente. O mică notă despre formalizarea soluțiilor. Operatorii „*” și „+” au o semnificație diferită de cele ale algebrei clasice: „*” indică conjuncția în timp ce „+” este disjuncția . Prin urmare, disjuncția introduce posibilitatea echifinalității : condiții diferite duc la același rezultat (în exemplul Ab sau C sunt ambele suficiente pentru Y).

Fuzzy-Set QCA (fsQCA)

Poate că limitarea majoră a csQCA derivă din tratarea tuturor condițiilor ca fiind dihotomice, fără a lua în considerare posibilitatea pozițiilor intermediare. Împărțirea lumii în două categorii creează unele probleme substanțiale (nu totul este dihotomic) și tehnice (unde să punem granița dintre apartenență și neapartenență? Mai ales în fenomenele sociale este complicat și forțat să credem că realitatea este redusă la „ negru sau nu negru "). Propunerea lui Ragin (2000) este de a adopta logică fuzzy pentru a extinde posibilitățile oferite de dicotomul QCA. Teoria Fuzzy-Sets permite exprimarea apartenenței la un concept în intervalul de valori [0,1], derivând în el baremele de apartenență. În primul rând, sunt identificate ancorele calitative reprezentate prin 0, 1 și 0,5: prima indică neapartenirea completă a cazului la concept, a doua apartenența perfectă și a treia indiferență. Gradele de apartenență sunt definite între 0,5 și 1, în timp ce gradele de apartenență sunt definite între 0 și 0,5. A decide câte valori intermediare să adoptăm este mai presus de toate o chestiune de transparență: în teorie putem defini câte ne dorim, important este că suntem capabili să exprimăm pentru fiecare dintre acestea eticheta verbală care le distinge. Când devine dificil să faci acest lucru, înseamnă că nu există o diferență calitativă apreciabilă între un nivel și altul. În general, se recomandă să nu depășești 8 grade. Când calibrăm valorile, 0,5 nu trebuie atribuit niciodată unui caz, deoarece nu numai că nu are nicio valoare substanțială (nu știm dacă un caz aparține unui concept sau nu: de aceea fie conceptul nu funcționează, fie noi nu au o bună cunoaștere a cazului), dar nici nu poate fi tratat matematic, datorită faptului că un caz ar fi între două configurații fără a aparține niciunuia dintre ele.

Coerență, acoperire și diversitate limitată

Uneori analiza, chiar și cu câteva condiții, dă rezultate destul de complexe. Alteori, nu se găsesc condiții perfect suficiente sau necesare, deoarece unul sau câteva cazuri sunt o excepție. Echilibrul dintre parsimonie și complexitate este legat de cel al generalizării. Minimizarea tabelelor de adevăr este încredințată utilizării software-ului [fs / QCA]: soluțiile propuse sunt însoțite de consistența și valorile de acoperire respective, atât ale condițiilor individuale, cât și ale soluției generale. Acești parametri ne oferă o primă evaluare a corectitudinii și, respectiv, a lărgimii explicației noastre, introducând în rezultat o categorie de judecată bazată și pe numărul de cazuri incluse și acoperite de soluție. Coerența ne oferă magnitudinea erorii de adevăr pe care o facem atunci când acceptăm o soluție:

 Consistență (Y≥X) = ∑ (min x, y) / ∑ (x) pentru suficiență

Coerența (Y≤X) = ∑ (min X, Y) / ∑ (Y) pentru nevoie

este egal cu 1 dacă nu există cazuri pentru care soluția nu este validă, în timp ce își asumă valori din ce în ce mai mici (până la 0) în funcție de numărul de cazuri extreme care apar. O condiție „cvasisuficientă” poate fi uneori mai interesantă decât una perfectă suficientă atunci când, de exemplu, este mai generalizabilă decât a doua. Dar atunci va trebui să vă rezervați sarcina de a efectua un studiu de caz pentru a acoperi chiar și cazurile care nu sunt incluse în soluție. Valoarea de acoperire ne spune cât de mult din efectul de explicat l-am explicat de fapt:

 Acoperire (Y≥X) = ∑ (min x, y) / ∑ (y) pentru suficiență

Nu are sens să calculăm acoperirea pentru condițiile necesare, dat fiind că pentru acestea rezultatul este întotdeauna prezent în timp ce ceea ce poate să nu apară (și, prin urmare, să distrugă nevoia) este condiția. De multe ori, valorile bune ale consistenței și acoperirii nu sunt întotdeauna reconciliabile, dar trebuie să alegem dacă explicăm mult efectul sau avem o soluție valabilă pentru multe cazuri. Alegerea depinde de cercetător și de obiectivele sale.

Una dintre principalele probleme (și limitări) ale QCA este diversitatea limitată . Dacă configurațiile tabelului adevărului sunt teoretice, adică sunt tipuri ideale construite înainte de a începe căutarea, iar rezultatul este detectat empiric, este foarte frecvent să existe linii ale tabelului care nu corespund cazurilor reale, pentru care nu avem o valoare Să ne imaginăm pentru simplitate acest exemplu cu doar două condiții:

A = „Să ai un guvern de stânga”

B = „Să ai o femeie șefă de guvern”

și luând ca rezultat:

Y = "prezența legislației pentru reglementarea uniunilor civile"

Dacă populația noastră ar fi alcătuită din țări europene (UE15), vom avea următorul tabel de adevăr:

${\displaystyle \mathrm{<span\; class="mwe-math-element"><span\; class="mwe-math-mathml-inline\; mwe-math-mathml-a11y"\; style="display:\; none;">LA</span></span>}}${\ displaystyle A}	${\displaystyle \mathrm{<span\; class="mwe-math-element"><span\; class="mwe-math-mathml-inline\; mwe-math-mathml-a11y"\; style="display:\; none;">B.</span></span>}}${\ displaystyle B}	${\displaystyle \mathrm{<span\; class="mwe-math-element"><span\; class="mwe-math-mathml-inline\; mwe-math-mathml-a11y"\; style="display:\; none;">Da</span></span>}}${\ displaystyle Y}
1	1	?
1	0	1
0	1	1
0	0	1

În linia care corespunde prezenței unui guvern de stânga condus de o femeie, nu am avea în prezent nicio dovadă empirică care să ne permită să atribuim o valoare rezultatului. Cu toate acestea, trebuie să atribuim în continuare o valoare rezultatului, astfel încât să fie posibil să minimalizăm tabelul și să ajungem la o soluție. Dacă suntem siguri că nu avem cazuri care să acopere această combinație, avem trei alternative posibile:

1. soluție parsimonios : lăsați software-ul să facă alegerea care, pe baza metodei de covariație, va returna cea mai parsimoniosă soluție (abordăm tehnici cantitative);
2. soluție conservatoare : atribuim valoarea 0 rezultatului, presupunând astfel că nu există cazuri care, având acea configurație, să manifeste rezultatul;
3. soluție teoretică : readuc configurațiile lipsă înapoi la teoria existentă pentru a încerca să înțeleg ce poate fi rezultatul cel mai probabil și să-l atribuie.

Bibliografie

• Ragin C. (1987), Metoda comparativă: Trecerea dincolo de strategiile calitative și cantitative , University of California Press
• Ragin C. (2000), Fuzzy-Set Social Science , Chicago, The University of Chicago Press
• Schneider C. și Wagemann C. (2007), QCA și fsQCA. Ein einführendes Lehrbuch für Anwender und jene, die es werden wollen , Barbara Budrich Esser
• Wagemann C., Schneider C. (2007), „Standarde de bună practică în analiza comparativă calitativă (QCA) și fuzzy-sets”, https://web.archive.org/web/20110505183309/http://www.compasss .org / WagemannSchneider2007.pdf
• Wagemann C., QCA și Fuzzy Set Analysis. Ce este și ce nu este , în: Revista italiană de științe politice, XXXVII, 3, 2007

linkuri externe

• ( EN ) Site dedicat QCA , pe u.arizona.edu .
• ( RO ) site-ul COMPASSS , pe compasss.org .
• https://web.archive.org/web/20080819224503/http://poli.haifa.ac.il/~levi/method.html