KVALITATIVNÍ
SROVNÁVACÍ ANALÝZA
(QCA)
První blok - základní kameny a procedury
Výsledky učení pro QCA blok
Po skončení Q C A bloku budete schopni:
Provádět základní kroky pro použití QCA.
Interpretovat výzkum provedený za pomoci kvalitativní srovnávací analýzy.
Formulovat výzkumnou otázku pro výzkum používající Q C A a obhájit její použití.
Výsledky učení pro dnešní hodinu
Po dnešku budete:
• chápat základní stavební kameny Q C A - operace s množinami, nezbytnost a
dostatečnost, tabulku pravdy a logickou minimalizaci
• vzít dataset, identifikovat množiny, které obsahuje, vizualizovat jako tabulku pravdy a
minimalizovat ji
• formulovat výzkumnou otázku na základě jazyka nezbytnosti a dostatečnosti
Kvalitativní srovnávací analýza
Empirické srovnávací
metody
Množinové metody
Nemnožinové metody
(založené na korelaci,
statistické)
QCA (pevné množiny csQCA,
mlhavé množiny
-fsQCA, mvQCA,
temporální, two-step)
Millovy metody
Typologie
Základní předpoklady
Zaměřuje se na příčiny následků... (za jakých podmínek nastává y...) x následek (efekt)
příčin (vliv x na y)
Příčinnostje brána jako komplexní-kombinace více podmínek je automatickým
předpokladem a předností QCA
- Ekvifinalita
- Multifinalita
- Kauzální asymetrie
- Konjukturální kauzalita (kombinace příčin)
Matematický základ není statistika, ale teorie množin
- Výsledky jsouformulovány vjazyce nezbytnosti a dostatečnosti.
Formalizovaná procedura
Kauzální komplexita
Causal Complexity
INUS and SUIN Conditions
INUS condition:
SUIN condition:
"an insufficient but necessary part of a
condition, which is itself unnecessary but
sufficient for the result" (Mackie 1965: 245)
A+0C Y
"a sufficient but unnecessary part of a
factor that is insufficient but necessary
for an outcome" (Mahoney et al. 2009: 126)
A ^ Y ; A = @ + C
Cvičení množiny
Summary - Basic operations and notations
Operator Logic of propositions Boolean algebra Set theory
A N D Conjunction Multiplication intersection
A *.(•) n
OR Disjunction Addition Union
V i u
N O T Complement Negation Negative Set
- i , ~ 1-D
Inclusion If-then relation Subset
=> C
Source: Schneider/Wagemann 2012: 54 (Table 2.3)
Množiny v reálném světě
Přirozené Sociální
Příklad magnetické pole,
elektrický náboj,
vlnová délka
demokracie, sociální
skupina, sociální status
Povaha ontologický nezávislé
na lidské zkušenosti,
esenciální podstata
lidská mysl
Proměnlivost vysoce stabilní málo stabilní
voda vaří při ioo°C společenský status se
mění napříč kulturám,
demokracie vypadala
před sto lety jinak
Typy množin
Crisp and Fuzzy Sets (Ragin 2008: 31)
Three-value Four-value Six-value
Crisp set fuzzy set fuzzy set fuzzy set "Continuous" fuzzy set
1 = fully 1 = fully in l = fully 1 = fully in 1 = fully in
in in
0.8 = mostly
but not fully in
0.67 = Degree of membership is
more in more "in" than "out":
than out 0.6 = more or 0.5<X,< 1
less in
0.5 = neither 0.5 = cross-over: neither
fully in nor in nor out
fully out 0.4 = more or (maximum ambiguity)
less out
0.33 = Degree of membership is
more out more "out" than "in":
than in 0<X,<0.5
0.2 = mostly
but not fully
out
0 - fully 0 = fully out 0 = fully 0 = fully out 0 = fully out
out out
Co je bezpečnější?
Example: Which glass is safer to drink?
Glass 1
1% chance of being
poisonous liquid
Glass 2
0.01 membership in the fuzzy
set "poisonous liquid"
Pravděpodobnost
1% Chance of being poisonous liquid
•••••••••• y y y y y y y y y y
! I U U U U J U J U U J L - J L - J i li li i l i li li li l i I I
• • • • • • • • • • • • • • • • • • • •
^ - • ^ - • ^ - • ^ ^ * * - . - M * - • - a r- M ^ -M 4 f > *• - • ^ ^ - • ^ •> J7
•> J7
•• F i
On average, one glass out of 100 consists of poison.
Mlhavá množina
0.01 Membership in the fuzzy set "poisonous liquid"
ai if jt it it it it it it i i II ii it it it II II II i[ i
• • • • • • • • • U U U U U U u U u U
| J | Jj II II | | J | J | J | j | | l J t J | j | || || || || || || J
nnnnnnnnnnnnnnnnnnnn
Even if you had 100 glasses of this liquid, each single
glass would still hold only 0.01 membership in the fuzzy
set "poisonous liquid".
Nezbytnost a dostatečnost - cvičení
Nezbytnost a dostatečnost
Necessity and Sufficiency - Summary
Necessity
x < Y
Xj > Yj
X superset of Y
Sufficiency
X > Y
X subset ofY
Tabulka pravdy
Truth Tables
Logically Possible Combinations
2> M. B,q
= 2x2»2
= 8 Combinations
= 8 Rows (Truth Table)
24
= 16 Rows
25
= 32 Rows
26
= 64 Rows
2=128 Rows
Tabulka pravdy - cvičení
Booleanská minimalizace - pravidla
Komutativní
A + B = B + A
AB = BA
Asociativní
A + (B + C ) = A + B + C
A * ( B * C ) = A B C
Distributivní
A*(B + C ) = A B + A C
A + B * C = (A+B)*(A+C)
De Morganovo pravidlo
~(A+B) = ~A~B
~(AB) = ~A+~B
Vyloučený třetí
A + ~A = i (univerzální množina)
Logický rozpor
A ~A = o (prázdná množina)
race při složitých operacích
Operations on Complex Sets - Examples
• Negation: F + [G*(~H + ~i)]
De Morgan's law: ~F*[~G + (H*l)] = ~F*~G + ~F*H*I
• Intersection (Logical AND): [F + G*(~H + ~l)] * {~FG + G~H)
= (F + G~H + G~l) * (-FG + G~H)
= F~FG + FG~H + G-H-FG + G-HG-H + G-I-FG + G-IG-H
= F-FG^+ FG~H + G-H-FG + G-HG-FL+ G-I-FG + G-IG-H
(erase empty set and superfluous expressions)
= FG-H + ~FG~H + G~H + -FGH + G-H-l
(sorted alphabetically)
= FG-H + -FG-H + G-H + -FG-I + G-H-l
(erase superfluous subsets of G~H)
= G-H + ~FG~I = G(~H + -F-I)
Booleanská minimalizace
+ aBC + AbC -»Y
aB + bC — Y
+ bC - Y
abc + abC + aBc
Cvičení s operátory
Basic Operators - Exercises
Fuzzy-set scores: A (0.1), B (0.7), C (0.9), D (0.3)
1. (A*B) + (C*D) =
[(0.1J*(0.7)] + [(0.9)*(0.3)] =
(0.1) + (0.3) = 0.3
2. (A*D)+ (B*C) =
[(0.1)*(0.3)] + [(0.7)*(0.9)] =
(0.1) + (0.7) = 0.7
3. (A*~D) + (B*~C) =
[(0.1)*(1 - 0.3)] + [(0.7)*(1 - 0.9)] =
[(0.1)*(0.7)] + [(0.7)*(0.1)] =
(0.1) + (0.1) = 0.1