Is symmetric analysis dead now? An introduction to asymmetric analysis using Fuzzy-Set Qualitative Comparative Analysis (fsQCA)
Starke, Sebastian
;
Blečić, Aleksandar
![](/images/sfx_.gif)
Dokumenttyp:
|
Präsentation auf Konferenz
|
Erscheinungsjahr:
|
2020
|
Veranstaltungstitel:
|
1. Winter School of PhD Students of the University of Mannheim
|
Veranstaltungsort:
|
Mannheim, Germany
|
Veranstaltungsdatum:
|
07.02.2020
|
Sprache der Veröffentlichung:
|
Englisch
|
Einrichtung:
|
Fakultät für Betriebswirtschaftslehre > Marketing & Innovation (Kuester 2005-) Außerfakultäre Einrichtungen > GESS - CDSB (BWL)
|
Fachgebiet:
|
650 Management
|
Freie Schlagwörter (Englisch):
|
fsQCA , asymmetric analysis
|
Abstract:
|
With research in social sciences moving beyond symmetric analysis (a.k.a NHST/Null Hypothesis Significance Testing), researchers turn towards asymmetric methods for analyzing their data.
Fuzzy-Set Qualitative Comparative Analysis (fsQCA) is a fast and frugal asymmetric method for both small and large sample sizes allowing to find underlying configurations for causal explanations. In comparison to symmetric analysis that treats variables as competing in explaining outcomes, fsQCA allows for complementary configurations working together to explain causal outcomes. This makes the result closer to the subtle nuances of real-life complexities.
Takeaways of our workshop:
- Learn how and why asymmetric methods can be used in your research
- Find out why and how to replace NHST with using consistency indexes rather than reporting p
- Get to know fsQCA as a software and become familiar with its functions and user interface
|
Übersetzung des Abstracts:
|
Da sich die Forschung in den Sozialwissenschaften über die symmetrische Analyse (auch bekannt als NHST/Null-Hypothese-Signifikanztest) hinausbewegt, wenden sich die Forscher asymmetrischen Methoden zur Analyse ihrer Daten zu.
Fuzzy-Set Qualitative Comparative Analysis (fsQCA) ist eine asymmetrische Methode für kleine und große Stichprobengrößen, die es ermöglicht, grundlegende Konfigurationen für kausale Erklärungen zu finden. Im Vergleich zur symmetrischen Analyse, bei der die Variablen bei der Erklärung der Ergebnisse als konkurrierende Variablen behandelt werden, ermöglicht die fsQCA komplementäre Konfigurationen, die bei der Erklärung der kausalen Ergebnisse zusammenarbeiten. Dadurch wird das Ergebnis näher an die subtilen Nuancen der Komplexität des realen Lebens herangeführt.
Lernziele des Workshops:
- Erfahren Sie, wie und warum asymmetrische Methoden in Ihrer Forschung eingesetzt werden können.
- Finden Sie heraus, warum und wie man NHST durch die Verwendung von Konsistenzindizes anstelle von Berichten ersetzt p
- Lernen Sie fsQCA als Software kennen und machen Sie sich mit den Funktionen und der Benutzeroberfläche vertraut
(Deutsch)
|
Suche Autoren in
Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail
Actions (login required)
![Eintrag anzeigen Eintrag anzeigen](/style/images/action_view.png) |
Eintrag anzeigen |
|
|