一、引言：要素视角的局限

过去几十年，管理学研究的主导范式是“要素视角”——将复杂的管理现象拆解为若干独立的变量，然后用回归分析计算每个变量的“净效应”。这种方法的哲学基础是还原论：整体等于部分之和。

但现实世界真的如此简单吗？

在QCA工作坊上，杜运周教授向在场的学者们提出了一个值得深思的问题：一个城市的营商环境包括政府效率、金融服务、人力资源、公共服务、市场环境、创新环境等多个要素，这些要素并非独立运作，而是相互依赖、相互影响，共同构成一个“生态”。当我们问“政府效率对创业活跃度的影响是什么”时，我们假设可以单独改变政府效率而保持其他要素不变——这在复杂的现实系统中几乎不可能。在系统观下，优化营商环境需要打好“组合拳”，政府效率的提升可能伴随着公共服务投入的增加，金融服务的改善可能依赖于人力资源的支撑，创新环境的变化可能受到市场环境的影响。

核心观点：组态视角提供了另一种可能——将研究对象视为要素的组合（组态），分析什么样的组合能够产生预期结果。

杜运周教授指出，开放系统时代的特点是输入与输出的开放性，系统内部各要素之间相互依赖、相互影响。管理实践中的现象，如营商环境、创新生态、高绩效工作系统等，本质上都是“要素的组合”。正如Arthur（1997）所言，复杂性分析需要“组合”式方法论。

二、哲学根基：维特根斯坦的启示

组态视角并非凭空而来，它有深厚的哲学基础。杜运周教授在讲座中反复提及20世纪最有影响力的哲学家之一维特根斯坦在《逻辑哲学论》中的论断：

“世界是事态的总体，而非事物的总体。事态是对象或者事物的组合/组态。”

杜运周教授对此的解读是：即便，事物（要素）本身是不变的、静态的，但事物如何组合在一起（组态/事态）是变化的、动态的。真正构成世界的，是这些变化的组合模式。世界不是由孤立的事物构成的，而是由事物之间的组合关系构成的。

他常举一个通俗的例子：氢原子和氧原子本身并不“湿”，但当它们以H?O的方式组合在一起时，就产生了“湿”这种涌现性质。类似地，单独看政府效率或金融服务，我们无法判断一个营商环境是否“好”，关键在于它们如何组合。营商环境中的每一个要素单独拿出来可能都不足以解释创业活跃度的差异，但它们以特定方式组合在一起时，就可能产生“高创业活跃度”这一涌现结果。

还原论思维认为“整体等于部分之和”，而复杂系统思维告诉我们“整体不等于部分之和”。这正是组态视角的哲学核心。

杜运周教授进一步指出，复杂系统分析的关键，是从变化多样的组态中找到循环模式（Holland，2014）。这意味着研究者不应只关注个别要素的独立贡献，而应致力于发现哪些要素组合模式在反复产生预期结果。

三、传统研究的三大局限

杜运周教授在讲座中系统梳理了传统定量研究（尤其是回归分析）的三个根本性局限：

第一，相关性不等于清晰的因果性。 回归分析告诉我们“X变化一个单位，Y平均变化多少”，但从未告诉我们“什么样的条件组合足以产生Y”。杜运周教授引用了Bacharach（1989）的观点：好的理论命题应该清楚地说明前因是结果的必要条件、充分条件，还是充要条件。遗憾的是，绝大多数回归研究停留在“相关”层面。我们知道了“政府效率与创业活跃度正相关”，却不知道“什么样的营商环境生态能够产生高创业活跃度”——后者才是实践者真正关心的。

第二，对称性假设不符合现实。 回归分析隐含对称性假设：导致高绩效的因素反过来也能解释低绩效。但杜运周教授以创业研究为例指出：高创业活跃度的原因与低创业活跃度的原因往往是非对称的。杜运周教授特别强调：“企业越成功并不意味着越远离失败。”导致一家企业成功的因素组合，并非导致企业失败因素组合的简单反面。同样的逻辑适用于城市创业活跃度：产生“高创业活跃度”的营商环境组态，与产生“非高创业活跃度”的组态完全不同。

第三，“最优解思维”无法处理“等效性”。 现实世界中，往往存在多条不同的路径通向同一结果——“条条大路通罗马”。一个城市的创业活跃度可能通过“政府主导下人力资源驱动型”路径实现，也可能通过“政府与市场双元逻辑下依托公共服务的金融与创新驱动型”路径实现。不同的城市可以根据自身条件选择不同的路径，但回归分析寻找的是“唯一最优解”或“平均效应”，天生不适合处理这种多样性。杜运周教授特别指出，回归分析能够处理的交互效应在超过三项时已无法解释，而组态的构成要素往往多于三个，因此传统回归方法在分析组态问题时存在很大局限。

四、QCA如何重新定义因果关系

定性比较分析（QCA）提供了一套全新的因果分析语言：

必要性因果关系：X是Y的必要条件，意味着“没有X就没有Y”。杜运周教授以“一万小时定律”为例：一万小时锤炼是成为非凡人士的必要条件。用集合论的语言来说，结果Y是前因X的子集。必要性分析回答的是“什么条件是必不可少的”。

充分性因果关系：X是Y的充分条件，意味着“有了X就有Y”。例如，如果今年各业务增长率达到6%，那么全年销售目标就能实现。用集合论的语言来说，前因X是结果Y的子集。充分性分析回答的是“什么条件组合足以产生结果”。

INUS因果关系：杜运周教授在PPT中给出了明确公式 Y = X·A + Z·B。单个条件很少能单独构成结果的充分条件，它通常是“充分不必要原因中的必要不充分部分”。在这个公式中，X单独不充分（需要与A组合），也不是必要的（因为Z·B也可以产生Y），但X是产生Y的一个充分条件组合中的必要组成部分。现实中的大多数管理现象都是INUS因果——没有哪个单一因素能解释一切，但特定因素的组合确实能产生特定结果。

SUIN因果关系：公式为 Y = Z·（X + A）。单个条件也可以是一个“不充分但必要因素中的充分不必要部分”。在这个公式中，Z是产生Y的必要条件，X或A与Z组合在一起时即可产生Y——此时X就是一个SUIN条件。

杜运周教授指出，这些因果类型远比“X与Y显著相关”丰富得多，也更能刻画复杂现实。在管理世界中，我们需要的不仅是“哪个因素更重要”，而是“哪些因素组合在一起能产生预期结果”。

五、从变量思维到集合思维

杜运周教授将QCA的运作逻辑概括为三个核心转变：

从测量到校准。 传统研究测量的是案例在变量上的“位置”——A城市的政府效率得分为3.5，B城市为4.2。QCA校准是测量案例在集合中的“隶属度”——它在多大程度上属于“高政府效率”这个集合？校准锚点的设定是一个有理论意义的质性过程，而非机械的统计操作。校准的实质是“赋予意义”：3.5分究竟算不算“高”，这需要理论和实质知识来判断。

从相关系数到一致性。 传统研究关注相关系数是否显著——政府效率与创业活跃度是否在统计上相关。QCA通过一致性判断前因组态是否是结果集合的子集（充分性），或结果是否是前因的超集（必要性）——“政府效率高·金融服务好·人力资源足”这个组态，是否是“高创业活跃度”的充分条件？这是一个集合关系问题，而非相关关系问题。

从净效应到组态效应。 传统研究计算每个自变量的独立净效应——政府效率对创业活跃度的贡献是多少？QCA分析的是条件组合（组态）对结果的充分性——在“政府效率高”的前提下，加入“金融服务好”或“创新环境强”会产生什么不同的组合效应？多个条件组合在一起产生的结果，不同于每个条件单独效应的简单加总。

这三个转变共同构成了从“要素视角”到“组态视角”的方法论迁移。杜运周教授强调，理解这些转变背后的逻辑，比掌握软件操作更为重要。

六、结语：范式转换正在发生

管理现象的整体性、复杂性、动态性，呼唤新的研究视角和方法论。

从要素视角走向组态视角——这不是一个简单的“方法替换”，而是一场库恩意义上的范式转换。 它改变的是我们看待世界的基本方式：从关注“事物”到关注“事物的组合”，从追问“哪个因素更重要”到追问“什么样的组合能产生结果”。

这正是QCA方法的时代意义。它并非要完全替代传统方法，而是为我们提供了一种回答“传统方法无法回答的问题”的新工具。