为什么有些欧洲国家实施了高福利政策，而有些国家没有？传统回归分析只能告诉我们单个因素的平均影响，但QCA可以发现多种条件组合。
1选择条件：左翼政党力量、工会组织度、经济发展水平
2校准数据：将原始数据转换为集合隶属度
3构建真值表：找出所有可能的条件组合
4最小化分析：识别核心条件组合
| 方法 | 数据类型 | 适用场景 | 示例 |
|---|---|---|---|
| csQCA 经典集QCA |
二值（0或1） | 明确的二元状态 | 有/无、是/否、成功/失败 |
| mvQCA 多值集QCA |
多值（0,1,2...） | 有序分类变量 | 低/中/高、小/中/大型 |
| fsQCA 模糊集QCA |
连续值（0-1） | 渐变、部分隶属 | 民主程度、贫困程度 |
新手建议从 csQCA 开始，概念最简单。如果数据有多个层级，使用 mvQCA。如果需要处理概念的模糊性（如"民主程度"），使用 fsQCA。
定义：结果出现时，该条件必须存在
示例：没有左翼政党（必要条件缺失）→ 不可能有高福利
检验：一致性 ≥ 0.9
定义：该条件出现时，结果必然出现
示例：左翼政党强+工会强（充分组合）→ 必然导致高福利
检验：一致性 ≥ 0.8
定义：多条不同的路径可以导致相同的结果
示例：路径A和路径B都能导致高福利
意义：不只有一种成功方式
定义：多个条件需要同时存在才能产生结果
示例：左翼政党强 且 工会强 → 高福利
符号：用 "×" 表示
| 维度 | QCA | 回归分析 |
|---|---|---|
| 因果关系 | 多重并发因果 多条路径，等价性 |
单一因果路径 X的平均效应 |
| 案例数 | 中小样本（10-100） | 大样本（>100） |
| 假设 | 案例的完整性 整体比较 |
案例的独立性 变量分离 |
| 结果表达 | 条件组合路径 A×B + C×D → Y |
系数估计 Y = aX + bZ + e |