必要條件分析
Necessary Condition Analysis
必要條件分析關注的是能夠產出或促成特定結果的因素，且這些因素對于組織決策至關重要，往往是組織中產生某種特定結果的必要條件。必要（非充分）條件的基本邏輯是，如果必要條件存在，預期結果不一定出現，但是如果必要條件不存在，則預期結果必定不會出現。基于此，荷蘭鹿特丹管理學院杜爾教授（Jan Dul）于2016年提出了一種基于識別和檢測數據中必要非充分條件的研究方法，即必要條件分析（NCA，Necessary Condition Analysis）。
為什么要使用NCA？
1.傳統研究方法在推斷必要條件的邏輯關系中存在不足
從理論上來說，必要非充分條件在組織科學的研究中是非常普遍的現象，但是傳統研究方法（如回歸和相關性分析等）大多關注充分條件的研究，而在檢測和推斷必要條件的邏輯關系中存在不足（Dul，2016）。在以往回歸分析中主要發現的多是決定組織結果的充分條件，而缺少依靠必要條件分析去發現決定組織結果的必要條件。兩種方法之間存在著根本區別：在傳統方法中顯示為零影響（或微影響）的因素可能被識別為必要條件，而在傳統方法中顯示為較大影響的因素卻可能被識別為非必要條件。事實上，充分條件和必要條件對于正確理解組織現象均至關重要，且必要條件因其“一票否決”的作用優先于充分條件。因此，必要條件分析方法的使用為更加科學、全面地分析組織現象提供了助益。
2.作為現有分析方法的補充
必要條件分析作為一種新的數據分析工具，在有助于發掘新見解的基礎上，可以作為現有分析方法的補充，與傳統的數據分析方法一同用于因果關系分析，以更加全面地檢驗和推斷各種組織因素（如個性、資源、努力等）對各項組織結果（如個人工作態度、公司業績等）的影響機制（Dul，2016）。
如何使用NCA？
1. 必要條件的分類
在必要條件分析中，由于變量的性質不同，必要條件可以分為二分必要條件分析（Dichotomous Necessary Condition）、離散必要條件（Discrete Necessary Condition）與連續必要條件（Continuous Necessary Condition）三類。
01
二分必要條件是指條件變量取值只有兩個離散維度值，例如0-1啞變量、高-低、大-小等（Braumoeller & Goertz, 2000; Dul et al., 2010）。
02
離散必要條件是指條件變量取值有兩個以上的離散維度值，例如0/1/2、高/中/低等（Dul et al.，2010）。
03
連續必要條件是指條件變量取值可以是最小值和最大值之間的無限數量的任意值（Goertz et al.，2013）。
2. 必要條件分析的一般方法
為了確定必要（但不充分）條件，發展了必要條件分析的一般方法。該方法包括兩個主要部分：（1）確定上限包絡線和相應的瓶頸表；（2）計算上限包絡線的精度、必要條件的效應值和必要無效性等幾個參數。
01
散點圖（Scatter Plot）。必要條件分析的起點是使用直角坐標系繪制數據的散點圖，該散點圖針對每種情況繪制X（潛在必要條件）和Y（結果）。如果目視檢查表明左上角存在空白區域（按照X軸為“水平”且Y軸為“垂直”且數值增加“向上”和“向右”）的慣例），則可能存在X代表Y的必要條件。
02
上限技術（Ceiling Techniques）。上限技術是在散點圖中沒有觀測值的空白區域與具有觀測值的完整區域之間繪制上限包絡線（Ceiling Line）的方法。上限包絡線必須盡可能準確地將空白區域從完整區域中分離出來。上限包絡線的繪制是一個權衡的過程，因為空白區域并不是一定完全沒有觀測值，而在上限技術中的這一區域被稱作為上限區域（Ceiling Zone，C）。最佳的上限包絡線可能是一條平滑線或者分段函數線。一般而言，上限包絡線的方程式可以表述為Yc=f（Xc）。在必要條件分析中，有兩類相互替代的上限技術，即包絡上限（Ceiling Envelopment，CE）與回歸上限（Ceiling Regression，CR），其中包絡上限技術是分段線，而回歸上限技術是連續線（Goertz et al., 2013）。每一種技術又包括兩種不同的表示方式：按比例標注式（VRS）與自由處置式（FDH），自由處置式是一種更為靈活的上限技術。由于具有靈活性并能夠直觀簡單地適用于各種性質的變量，CE-FDH優于CE-VRS，CR-FDH優于CR-VRS。因此，在必要條件分析中CE-FDH與CR-FDH是默認的上限包絡線。此外，不同的上限包絡線具有不同的精確度（Accuracy）。上限包絡線的精確度是指上限包絡線上或下方的觀測數除以觀測總數乘以100%。根據這一定義，CE-VRS與CE-FDH的精度為100%，其他CR-VRS與CR-FDH技術的精度可以低于100%。
03
效應值（Effect Size）。必要條件的效應值可以根據上限區域對結果的約束大小來表示。如果上限區域較大，其對結果的約束更強。因此，必要條件的效應值的大小可以由上限區域的大小表示與可以觀察整個區域的大小相比。其中，這個具有觀察值的潛在區域稱為范圍（Scope，S）。效應值大小可以表示為：d=C/S，因此與范圍相比，上限區域面積越大，上限包絡線越低，必要條件的影響越強。在必要條件分析中，效應值的取值范圍為0-1，0<d<0.1表示“低等效果”，0.1≤d<0.3表示“中等效果”，0.3≤d<0.5表示“高等效果”（Dul，2016）。
04
必要無效性（Necessity Inefficiency）。效應值表示的是在多大程度上必要條件X能夠對結果Y起到約束作用。但是，并不是對所有X的值而言X都能夠對Y起到約束作用；對所有的Y值而言，也并不是所有的Y都能夠被X所約束。當可行空間為三角形時，如圖1左所示，X始終約束Y，Y始終受X約束。但當可行空間為五邊形時，如圖1右所示，對于X>Xcmax，X不約束Y，對于Y<Ycmin，Y不受X約束。因而便產生了條件無效（Condition Inefficiency）與結果無效（Outcome Inefficiency）。條件無效率是指，非結果必要條件的條件取值范圍所占的百分比，即條件不限制結果的情況；而結果無效是指，條件并非結果必要條件的結果取值范圍所占的百分比，即結果不受條件限制情況。
圖1 理想化（“三角形”）散點圖與普通（“五邊形”）散點圖
05
瓶頸表（Bottleneck Table）。瓶頸表是指給定水平結果所需的條件必需水平。瓶頸表在解釋多變量必要條件以及識別必要條件組合方面具有重要作用。
3. 使用逐步方法執行NCA數據分析的建議
一般而言，NCA數據分析主要可依據表1中的六步來執行。需要注意的是，當X和Y都是連續變量或變量水平較大的離散變量（如>5），用散點圖法分析；當X和Y均為二元變量或變量水平較小（如<5）的離散變量時使用列聯表法分析。
表1 必要條件分析的數據分析步驟
NCA應用建議
鑒于必要條件分析方法可以對傳統分析方法進行有效補充，以及其在分析條件必要性方面具有優越性等原因，這一方法在將來的研究中具有廣泛的應用前景。
在適用范圍方面，必要條件分析可應用于組織研究中任何分支的必要條件研究，例如戰略、組織行為、人力資源管理和運營管理等。同時，在其他社會科學領域（如政治科學），甚至醫學和技術科學領域，必要條件分析都可以被用于基于必要性的邏輯分析。使用必要條件分析方法對于提升組織現象研究的全面性和準確性以及研究結果的實踐意義都具有較為明顯的助益。
在適用問題方面，首先，對于研究特定程度（如高、中、低）的結果需要何種程度的前因要素問題時，必要條件分析具有較好的適用性。現有的回歸分析或者定性比較分析（QCA）等方法只能“定性的”（in kind）對前因要素與結果變量之間的因果或者必要關系進行初步識別，而必要條件分析卻能夠進一步“定量的”（in degree）對給定某一水平的結果變量判斷其所需要的必要條件程度。其次，在存在多個前因要素組合的條件下，必要條件分析能夠對組合中每個條件的必要程度予以判斷，而以往進行組合分析的定性比較分析（QCA）方法卻只能識別組合整體的必要性。因此，在需要判斷多個前因要素對某一結果變量差異的必要程度問題時，必要條件分析更具有優勢。
NCA的局限性
與其他數據分析方法一樣，NCA也有一些局限性。
（1）NCA與其他數據分析技術共享的一個基本限制是，NCA不能解決“觀測數據不能確保因果關系”的問題。
（2）NCA可能比傳統的數據分析方法更容易受到采樣和測量誤差的影響。
（3）NCA是一個數據分析工具，如果研究者只對特定的數據集感興趣，而不需要將其推廣到更廣泛的人群中，這是完全可以受的。但是，如果出于統計推斷的原因，數據集是來自總體的概率樣本，則NCA數量僅為點估計。目前，NCA沒有考慮抽樣誤差。
NCA軟件工具
NCA軟件工具可用于識別數據集中的必要條件。該工具的應用有助于繪制上限包絡線、計算NCA參數和創建瓶頸表。
NCA軟件的主要功能包括：
（1）繪制NCA圖，即帶有上限線的散點圖，用戶最多可以選擇8種不同的上限技術，CE-FDH與CR-FDH是默認的上限包絡線。
（2）計算NCA參數，即每個選定上限技術的上限區域、范圍、精度、效應值、條件無效率和結果無效率。
（3）計算瓶頸表中變量的值，以分析哪個X是給定Y的瓶頸。輸出包括帶有上限線的散點圖、帶有NCA參數的表（以及其他相關信息）和瓶頸表。為了更好地運行NCA軟件包，用戶可以根據具體情況修改部分參數。
參考文獻：
[1]李輝. 必要條件分析方法的介紹與應用：一個研究實例[J]. 中國人力資源開發, 2017,（06）:64-74.
[2]Braumoeller B F, Goertz G. The Methodology of Necessary Conditions[J]. American Journal of Political Science, 2000, 44（04）:844-858.
[3]Dul J. Necessary Condition Analysis （NCA） Logic and Methodology of “Necessary but Not Sufficient” Causality[J]. Organizational Research Methods, 2016, 19（01）:10-52.
[4]Dul J, Hak T, Goertz G, et al. Necessary Condition Hypotheses in Operations Management[J]. International Journal of Operations & Production Management, 2010, 30（11）:1170-1190.
[5]Goertz G, Hak T, Dul J, et al. Ceilings and Floors: Where Are There No Observations?[J]. Sociological Methods & Research, 2013, 42（01）:3-40.
