ひと目でわかる仕組み
使う場面
- 10〜50程度の中規模の事例（国・組織・プログラムサイト等）を比較し、どの条件の組み合わせが成功/失敗と関連するかを特定したい
- 成功事例と失敗事例が存在し、その違いを体系的に比較して「何が重要か」の教訓を導きたい
- 一つの結果が複数の異なる経路（条件の組み合わせ）で達成されうると考えられる場合（等結果性の分析）
- 量的手法（回帰分析等）には事例数が少なすぎ、プロセストレーシングには事例数が多すぎる中規模Nの比較研究
向かない場面
- 条件・結果の集合と事例知識を維持できず、較正や組合せの意味を説明できない場合
- 「どの条件が平均的に最も効果的か」という線形的な変数効果の推定が求められる場合
- 事例のメンバーシップスコアや条件のキャリブレーション（変数のスコア化）を正当化できる理論的・実証的根拠がない場合
参加者・体制と成果物
QCA手法の訓練を受けた評価者・研究者1〜2名（R: QCA/SetMethods パッケージ、fs/QCA ソフトウェアを使用）。条件変数のキャリブレーションには対象分野の専門知識が不可欠
主な成果物
- 真理値表（条件の組み合わせ×事例×結果の一覧）
- QCAの解（十分条件の組み合わせ）とconsistency/coverageの指標
- 事例との照合結果（各事例がどの解に属するか）
- 因果経路の解釈と政策的含意
実施手順
- 研究設計：事例・条件・結果の設定対象事例の範囲、結果集合、条件集合を理論と事例知識から定義する。条件数が増えるほど可能な組合せが増えるため、観測できる多様性と照らして絞る。
- キャリブレーション（変数のスコア化）csQCAでは集合への所属を0/1で表す。fsQCAでは完全所属側、境界、非所属側に相当する元データ上の基準を根拠から定め、選んだ較正法を記録する。単純な大小の正規化と同一視しない。
- 真理値表の作成条件の組合せ、該当事例数、一貫性を真理値表へ整理する。同じ組合せで結果が異なる矛盾と、観測事例がない論理残余を区別し、閾値と扱いを説明する。
- 必要条件の分析結果が生じたすべての事例において、ある条件（またはその否定）が常に成立しているか——必要条件分析を行う。consistency（一貫性）とcoverage（カバレッジ）で条件の重要性を評価する。
- 十分条件の分析（Boolean最小化）必要性とは分けて十分性を分析し、ブール最小化で条件組合せを整理する。複雑解・中間解・節約解で論理残余に置く前提がどう異なるかを示し、理論と事例に照らして判断する。
- 解の解釈と事例との照合解の一貫性と被覆度を報告し、設定変更と事例への照合を行う。全分析に共通の合否閾値として0.80や0.25を適用せず、必要性と十分性、較正法、事例分布に合わせた理由を説明する。
長所と限界
長所
- 条件の組合せと複数の経路に焦点を当て、事例比較を集合関係として整理できる
- 中規模Nで量的手法と質的手法の橋渡しができ、比較事例研究を体系化できる
- 必要条件・十分条件という集合論の論理は、「この条件がなければ成功しない」「この組み合わせがあれば成功する」という政策的含意を明確に言語化しやすい
- 真理値表と解は透明であり、他の研究者・実践者が追試・批判しやすい
限界
- 結果の信頼性はキャリブレーション（変数のスコア化）の質に大きく依存するが、キャリブレーションには評価者の判断が介入し、異なる設定では異なる結論が出うる
- 因果の方向性（Xが先か後か）は必ずしも確定されない——時間的順序の確認が理論的・記述的に必要
- 論理的な十分条件・必要条件の発見が、実際の因果メカニズムを証明するわけではない——相関と因果の区別はQCA単独では不十分
- 事例と条件の組合せが乏しいと、多くの論理残余が生じ、設定に敏感な解になり得る。固定の事例数だけで適否を決められない。
⚠ よくある落とし穴
- キャリブレーションの根拠を示さない——「直感的に0.5に設定した」などの主観的なキャリブレーションは分析の信頼性を大きく損なう。アンカーポイントの設定根拠（実質的な閾値・先行研究・専門家知識）を必ず記録・報告する
- 解の種類を区別せず選ばない。論理残余をどう扱うか、どの反事実を採用するかを報告し、特定の解を自動的に最善としない。
- consistency と coverage の両方を確認しない——consistencyのみが高くてもcoverageが低ければ、解が結果の僅かな部分しか説明しない。両指標を合わせて報告する
- 集合関係から因果を自動認定しない。時間順序、理論、事例の証拠や代替説明を確認して解釈する。
適用条件と根拠
- 条件の組合せ、必要性と十分性、較正の根拠を区別し、結果がない場合も別に検討します。 [1]
計画活用と職場の条件を集合で整理する
説明用の仮想例です。A=検討会議あり、B=担当継続、Y=計画活用と定める4事例のcrisp-set仮想例です。
| 事例 | A | B | Y |
|---|---|---|---|
| 団体1 | 1 | 1 | 1 |
| 団体2 | 1 | 1 | 1 |
| 団体3 | 1 | 0 | 0 |
| 団体4 | 0 | 1 | 0 |
この例から判断できること
A*Bの所属事例2件は全てY=1なので、この表の十分性整合度は2/2=1、被覆度も2/2=1です。A=0,B=0は未観察であり、4事例だけで普遍的な因果法則を証明しません。
判断で間違えやすいこと
条件を平均点で機械的に0/1へ分ける
見直し方: 概念上の境界と事例資料に基づいて較正する
理由: 尺度の数字と集合に属する意味は同じではないためです。
整合度が高いので他の組合せや反例を見ない
見直し方: 矛盾事例と未観察の組合せを確認する
理由: 結果は選定事例と簡略化の仮定に依存するためです。
参照資料と確認箇所
- Qualitative comparative analysisBetterEvaluation
- 参照箇所
- Qualitative Comparative Analysis / Causal Pathway features
- 本文との対応
- 条件の組合せ、必要性と十分性、較正の根拠を区別し、結果がない場合も別に検討します。
このページの引用情報
評価コンパス編集.「質的比較分析」. 評価コンパス, 2026-09-13更新. https://evalcompass.jun-nakatani.com/methods/qca/
閲覧日は利用者が追記してください。本サイトが作成した本文の再利用はCC BY 4.0。引用・外部資料・同梱フォントには、それぞれの利用条件が適用されます。再利用時は出所とライセンスへのリンクを示し、変更した場合はその旨を表示してください。
更新履歴
- — 定義と適用条件の出典を確認し、仮想事例、判断理由、全欄の記入例を追加。未確認の歴史・普及に関する断定を整理。 既存の手順・留意点も点検し、固定的な人数・閾値や制度の一般化を調整。 入力欄の位置・型・個数を保ち、フォームの固定条件や閾値の表記を修正。