fsqca研究方法：模糊集定性比较分析。

1、模糊集定性比较分析（fsQCA）提供了一种深入挖掘数据以揭示关于创业现象复杂性的精细细节的方法。

2、fsQCA方法兼容于数据不对称性，变量的潜在相互依赖性，识别非对称的数据关系，并揭示了同一结果的多个等效性路径。FsQCA检验案例内前因变量（称为条件）之间的关系，并分析因变量（称为结果）与特定条件组合（称为组态）间关系。

3、它发现多个案例的共同组态，这些不同的共同组态构成特定结果的特定途径，因此，FsQCA是对传统对称方法的补充，它增加了关于创业现象的更细致的理解，并为溯因分析提供了经验基础，即它可以揭示令人惊讶的经验发现，从而激发新理论构建的尝试。

拓展：

当明确指向初始的布尔版本的定性比较分析方法，应使用csQCA（清晰集定性比较分析）；当明确指向多范畴条件版本的定性比较分析方法，应使用mvQCA（多值集定性比较分析）；当明确指向连接模糊集和真值表分析的模糊集版本的定性比较分析方法，应使用 fsQCA（模糊集定性比较分析）。