知识管理论坛 >

2025 , Vol. 10 >Issue 3: 199 - 217

DOI: https://doi.org/10.13266/j.issn.2095-5472.2025.013

知识管理的范式跃迁与创新生态重构专辑

QCA与SEM在图书情报领域的应用比较研究

  • 宋艳辉 ,
  • 郑晓青
展开
  • 杭州电子科技大学管理学院 杭州 310018

作者贡献声明/Author contributions：

宋艳辉：提出研究命题和思路，修改研究内容和结构；

郑晓青：收集与分析数据，构建模型，撰写和修改论文。

宋艳辉，教授，博士，E-mail：

Song Yanhui, Professor, PhD, E-mail: syh687@163.com;

郑晓青，硕士研究生。

Zheng Xiaoqing, Master’s Candidate.

收稿日期: 2025-02-13

  网络出版日期: 2025-06-30

收起

A Comparative Study on the Application of SEM and QCA in Library and Information Science

  • Song Yanhui ,
  • Zheng Xiaoqing
Expand
  • School of Management, Hangzhou Dianzi University, Hangzhou 310018

Received date: 2025-02-13

  Online published: 2025-06-30

Fold

摘要

[目的/意义] 对定性比较分析（QCA）与结构方程模型（SEM）两种方法进行应用比较分析，为学者选用合适方法研究图书情报领域中的问题提供有益参考，以提升本学科整体研究水平。 [方法/过程] 对QCA和SEM的原理、操作步骤和应用情况进行详尽阐述与对比分析，QCA主要是构建新理论和延伸已有理论，而SEM主要是验证完善已有理论；再分别运用QCA和SEM进行线上知识付费用户持续使用意愿的实证研究。 [结果/结论] 结果显示，两种方法在图书情报领域研究中各有优势与局限，均适合用于探究因果关系。但QCA适合分析图书情报领域内多元复杂关系，而SEM适用于分析变量间净效应关系，同时，SEM在处理潜在变量间较为简单因果关系时更具合理性。QCA在分析小样本数据方面更有优势，可以弥补结构方程仅适合分析大样本数据的局限性。随着混合研究方法的兴起，在图书情报领域，定性比较分析法和结构方程也可以互相合作互补，进一步完善验证研究结论。

关键词： 图书情报; 定性比较分析; 结构方程; 比较分析

本文引用格式

宋艳辉 , 郑晓青 . QCA与SEM在图书情报领域的应用比较研究[J]. 知识管理论坛, 2025 , 10(3) : 199 -217 . DOI: 10.13266/j.issn.2095-5472.2025.013

Abstract

[Purpose/Significance] Many scholars are using qualitative comparative analysis and structural equation modeling to conduct empirical analysis in the field of library and information, but few relevant studies are comparing the two methods. This study can provide a useful reference for selecting appropriate methods to explore the problems in the field of library and information, which is of great benefit to improving the overall research level of this discipline. [Method/Process] The principle, operation procedure, and application of QCA and SEM are elaborated and compared, and then QCA and SEM are respectively used to conduct an empirical study on the willingness of online knowledge paying users to continue using. [Result/Conclusion] The results showed that there were differences between the two methods. In terms of theoretical basis, QCA theory is based on set theory and Boolean algebra, while SEM theory is based on analysis of variance. In terms of causal analysis, QCA emphasizes equivalence and asymmetry, which is suitable for analyzing complex and interrelated problems with multiple antecedents, and SEM emphasizes linearity and symmetry, which is suitable for analyzing the relationship between two variables. In terms of research objectives, QCA is mainly to construct new theories and extend existing theories, while SEM is mainly to verify and improve existing theories. In terms of logic analysis, QCA is mostly an exploratory analysis method in logic analysis, while SEM is mostly a verification analysis method. In empirical studies, the multiple pathways resulting from QCA can complement the univariate conclusions of SEM.

Key words： library and information; qualitative comparative analysis; structural equation; comparative analysis

1 引言/Introduction

在社会科学研究中，以变量为导向的定量分析法和以案例为导向的定性分析法一直占据主流。1987年，美国社会科学家C. C. Ragin[1]提出定性比较分析法（Qualitative Comparative Analysis，QCA），为研究社会科学提供了新颖的研究逻辑。QCA以集合论和布尔代数为理论基础，结合了定量分析法和定性分析法的优势。定量分析法、定性分析法和定性比较分析法各有特点，定量分析法通过对数据收集、处理、分析得出结论，重视结果的量化程度；定性分析法通过个案归纳或演绎确定发展趋势，主要用于探索性分析[2]；定性比较分析法以量化案例为集合，探究多种原因组合与结果构成多重并发因果关系。
QCA作为介于量化与质化研究的混合型方法，国内学者将其运用于政治、新闻、经济、管理等多个领域的研究。随着方法的推广，图书情报领域有关QCA方法介绍和实证研究的文献逐渐增多，这有利于学者们对信息服务、用户研究和文化服务等复杂问题进行更深层次的探究，从而促进学科发展。在图书情报领域，QCA承认研究对象存在因果关系的复杂性和社会现象由多种条件组合共同引致的存在性[3]。在图书情报领域实证研究中，学者们通过结构方程模型（Structural Equation Model, SEM）探究变量间的相关关系和因果关系，在图书馆满意度、知识学习和信息系统等方面开展研究。可以发现，QCA与SEM均可以探究前因与结果的因果关系，且两种方法属于不同性质，探索两者研究同一主题时的区别与联系，有利于研究者选择合适的研究方法，使图书情报领域的实证分析更精确。遗憾的是，当前鲜有关于QCA与SEM在图书情报领域比较分析的文献，笔者拟深入比较QCA与SEM在原理、操作、应用和实证分析方面的异同，以丰富图书情报领域的成果。未来，研究者可以结合QCA与SEM研究图书情报领域相关问题，进一步扩展图书情报领域实证研究的深度与广度。

2 QCA、SEM的原理及其比较/The comparison of the principles of QCA and SEM

2.1 QCA的原理

QCA结合了传统定性研究的特点和传统定量研究的优势，成为研究社会科学领域的新型方法。C. C. Ragin在创立QCA时，将其分为研究方法和分析技术两类功能角色[4]。QCA作为研究方法，将集合论和布尔运算当作方法论的基础。QCA作为分析技术，根据变量属性和赋值规则，分为不同类别。

2.1.1 作为研究方法的QCA

（1）QCA的数学基础是集合论和布尔代数。在研究多个案例时，将每个案例都看作前因与结果的组合。结果可以看作为完整集合，而引致结果发生的不同前因可以看作完整集合的子集。进行多案例比较时，可以利用布尔代数法将集合校准为数值，探究集合间的隶属关系。
布尔运算基本步骤为：将前因及结果转化为集合因素，事件发生用大写字母表示，事件不发生用小写字母表示，事件不存在用“-”表示，“+”代表或，“*”代表“和”，“=”和“->”代表“导致”。把标定完成的集合组合以表格形式呈现，即真值表。真值表罗列了引致某一结果发生或不发生的不同因素组合，从而揭示各种因素间不同的组合方式以及对结果的影响[5]。同时，在运用布尔运算完成初步计算后，还需要利用布尔最简化原则对冗余因素和矛盾因素进行剔除，寻找解释结果最精简、最核心、最典型的因素组合路径[1]。冗余因素意味着该因素出现与否，都不影响结果。矛盾因素意味着同一因素组合对应不同的结果。
（2）QCA的适用对象具有等效性和不对称性。社会科学中复杂问题的发生或不发生往往不是单个因素导致，而是多因素交织组合造成，结果具有等效性。结构方程模型分析经常通过统计显著性这一指标进行，重点分析单因素对结果的影响程度[6]，难以实现多因素不同组合方式对结果的探讨。等效性意味同一结果的发生可由不同因素组合路径实现[7]。QCA在分析等效性问题时，应该聚焦于哪些因素组合会导致结果发生[8]。
QCA主要关注集合间的隶属关系，包括充分关系、必要关系和充要关系[2]。QCA研究因果不对称性，即引致两个互斥型结果发生的因素组合种类可以是不同的，而不仅是相同要素在水平上的差异[9]。

2.1.2 作为分析技术的QCA

C. C. Ragin最初发明的QCA技术和软件，基于二分法将因素划分为0或1，虽然简单易懂，但是无法分析现实生活中复杂多元的因素。因此，C. C. Ragin及众多学者在最初QCA的基础上，发展了更多分析技术和软件，具体可以分为四大类，如表1所示：
表1 QCA分析技术分类

Table 1 Classification of QCA analysis techniques

分析技术 划分依据
csQCA 二分法，取值0或1
fsQCA 将因素校准为0—1间连续的隶属度数值
mvQCA 在二分法基础上，将因素数值进行多分，可取值0、1、2、3等
TQCA 考虑因素生成的时间顺序
（1）基于清晰集的csQCA。csQCA适合处理基于二分法的因素集合和结果集合，即取值为0或1[10]。清晰集用于描述二元互斥的概念，如男性和女性、市场主导和政府主导，划分依据简单易懂，但不适合描述连续变化的集合。
（2）基于模糊集的fsQCA。在实际案例分析中，大多数因素难以直接清楚划分为0或1，而是处于0—1的中间状态，为了描述模糊性概念，引入基于模糊集的fsQCA。fsQCA对0—1之间的连续变化量进行赋值，引入隶属度概念[5]。隶属度将集合间的关系描述为程度关系。同时，要对因素集合对结果因素的一致度和覆盖度进行检验。一致性表示因素组合共享结果的程度，覆盖度表示因素解释结果的唯一性程度[2]。
（3）基于多值集的mvQCA。mvQCA在csQCA的基础上，不限于0、1二分类，而是在此基础上进一步扩展，将其赋值为0、1、2、3等更多数值。L. Cronqvist认为交通信号灯的案例就是典型的应用多值集分析的情景[11]。mvQCA相对于csQCA最明显的优势就是增加了变量的信息，通过分类方式，可以将定距变量转化为类别变量进行计算[12]。
（4）基于时序的TQCA（Temporal Qualitative Comparative Analysis，时序性定性比较分析）。清晰集、模糊集和多值集均没有考虑因素出现的先后顺序对结构的影响，但实际案例中，相同因素组合顺序发生变化会对结果造成差异性影响，因此研究者构造了TQCA这一可以处理时间顺序的模糊集比较方法。其主要代表有：N. Caren 和A. Panofsky考虑因素生成的时间顺序[13]，N. Hino提出将截面时间序列数据转化为QCA数据形式的法则[14]。

2.2 SEM的原理

SEM是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，称为协方差结构分析[15]。现实生活中有些变量可以直接观察和测量，称为观察变量。同时也存在大量无法直接观测的变量，称为潜在变量。传统统计分析难以有效处理潜在变量，SEM的优势在于可以同时处理多个潜变量，研究潜变量之间的相关性和因果关系。此外，在估计变量时不可避免会产生误差，包含随机误差和系统误差。SEM能够有效控制误差，对模型结构关系进行估计[16]。以下从模型构成、参数估计和拟合指数3个方面阐述SEM。

2.2.1 模型构成

结构方程模型分为结构模型（structural model）和测量模型（measurement model）两大部分。结构模型反映潜在变量间的关系，测量模型反映潜在变量与观察变量间的关系[17]。
（1）结构模型。结构模型是内生和外生潜在变量的组合，包含路径系数和结构残差。其矩阵方程式如公式（1）所示：
η=Β*η+Γ*ξ+ζ 公式（1）
方程式中各变量含义如下：η为内生潜在变量向量，Β和Γ为路径系数，ξ为外生潜在变量向量，ζ为结构方程的误差项。
（2）测量模型。测量模型是结构方程模型的一部分，包含一个潜在变量和数个观察变量。其矩阵方程式如公式（2）和公式（3）所示：
x=Λ*x*ξ+δ 公式（2）
y=Λ*y*η+ε 公式（3）
方程式中各变量含义如下：x为外生观察变量向量，ξ为外生潜在变量向量，Λ*x为外生观察变量与外生潜在变量之间的关系，是外生观察变量在外生潜在变量上的因子载荷矩阵，δ为外生变量的误差项向量。
y是内生观察变量向量，η为内生潜在变量向量，Λ*y为内生观察变量与内生潜在变量之间的关系，是内生观察变量在外生潜在变量上的因子载荷矩阵，ε为外生变量的误差项向量。

2.2.2 参数估计

构建结构模型和测量模型后，需要对模型进行参数估计。根据样本数据求得的样本协方差矩阵S，以及根据理论基础推导出来的模型协方差矩阵Σθ，两者差异越小，说明模型设定越准确。
参数估计方法种类繁多，研究中使用频率最高的是极大似然估计（maximum likelihood estimate，ML），其余有偏最小二乘法（partial least square）、贝叶斯法（Bayesian methods）、稳健极大似然估计（robust maximum likelihood estimate，MLR）、均值和方差加权的最小二乘估计等[18]。极大似然估计是利用已知的样本结果，反推最大概率导致特定结果的参数值，在参数估计时以ML最为常用[19]。不同参数估计方法如表2所示：
表2 参数估计方法适用性

Table 2 The applicability of parametric estimation methods

参数估计方法 适用性
偏最小二乘法 非正态分布、多变量复杂模型及形成性测量模型[20]
贝叶斯法 适合待估计参数和样本容量之比较高的模型[21]
稳健极大似然估计法 对因子间相关及参数标准误的估计更准确
均值和方差加权的最小二乘估计 对因子载荷的估计更准确[22]

2.2.3 拟合指数

参数估计之后，需要利用拟合指数评价模型协方差矩阵与样本协方差矩阵的适配程度。H. W. Marsh等将模型拟合指数分为三大类：绝对适配指数（absolutely model fit）、相对适配指数（incremental model fit）、简约适配指数（parsimonies model fit）[23]。表3列出常见拟合指数及推荐使用范围。
表3 常见拟合指数取值范围

Table 3 Value range of common fitting index

拟合指数 取值范围
χ²/DF ＜3.00
Mc ＞0.85
SRMR ＜0.08
RMSEA ＜0.1
GFI [0.70-0.90]
NFI [0.70-0.90]
NNFI [0.70-0.90]
CFI [0.70-0.90]

2.3 QCA、SEM原理的比较分析

首先，关于基础理论和研究方式。QCA描述对象属于集合的程度，使用“因素”一词而非“变量”[2]，其理论基础为集合论和布尔代数，以个案中的集合隶属关系为判断依据。QCA在分析时结合定性和定量，在寻找因素条件、选择因素校准方式和根据结果分析案例时，依据研究人员的理论知识和深入理解，属于定性研究。在因素编码和运算环节，依据软件进行客观计算，属于定量研究。定性和定量的结合，一方面避免纯定性研究完全依据研究者主观意识的弊端，另一方面也弥补纯定量无深入思考与分析的缺陷。而SEM使用“变量”一词，理论基础为方差分析，侧重单变量孤立作用，即便使用调节交互作用也不能覆盖所有变量的整体作用，关注统计上的显著性[24]。SEM在分析时采用定量研究，往往根据前人权威文献构建变量测量量表，提出具体假设，进行验证性分析。通过数据在统计上的显著性及模型拟合指数，来分析假设是否成立和模型设定是否准确。
其次，关于因果关系的分析。QCA在分析因果关系时强调等效性和非对称性，等效性即引致相同结果的前因是多个，既可以是不同单个因素，也可以是不同的因素组合。因此，QCA适合分析多个前因复杂和相互联系的问题，区别于SEM仅研究两个变量间的关系，且要求变量间不能具有共线性。非对称性即引致结果发生的前因，不一定是引致结果不发生的前因。因此，QCA在分析研究案例时，有时需要两次分析，引致案例成功的因素与引致案例不成功的因素是不同的，为解释案例提供更多的可能性和多样性。而SEM在分析因果关系时，仅关注两两变量间的关系，不能分析变量组合对结果的影响，而实际情况中，许多现象是多变量共同交织作用而形成的，SEM无法解释这类现象。同时，SEM认为因果具有对称性，自变量高低变化与结果变量的取值高低一致，例如已知创新能力强的企业绩效高，那么创新能力弱的企业绩效低，现实情况下对称因果现象也是少见的，QCA研究的非对称性因果更具有实际意义。
最后，关于模型结构和研究目的。QCA模型结构根据前因组合而定，具有灵活性；而SEM模型结构固定为结构模型和测量模型[17]。QCA研究目的在于根据前因多样化组合，来分析现象的多种可能性。特别是C. C. Ragin提出的“有限多样性”，排除现实中无法观察的案例和引入与理论不冲突的“虚拟”案例，有利于证实、证伪、简化现有模型和构建新理论[8,11]。而SEM研究目的既通过现有理论基础证明假设的变量关系是否正确，也通过变量关系来验证和完善已有的理论。QCA与SEM的原理比较如表4所示：
表4 QCA与SEM的原理比较

Table 4 Comparison of principles between QCA and SEM

研究方法 定性比较分析法（QCA） 结构方程模型（SEM）
理论基础 集合论和布尔运算 方差分析
分析方式 定性结合定量 定量
因果性质 等效性和非对称性 线性和对称性
模型结构 灵活多样 结构模型和测量模型
研究目的 构建新理论和延伸已有理论 验证完善已有理论

3 QCA、SEM的操作步骤及其比较/The comparison of the operation steps of QCA and SEM

3.1 QCA的操作步骤

定性比较分析法分析过程具体分为5个步骤：数据校准、必要性检测、真值表构建、反事实分析和稳健性分析[25]。
（1）数据校准。QCA基于集合论进行分析，需要把原始数据校准为集合数据[7]。其中，csQCA将原始数据校准为0或1；fsQCA常使用设置3个锚点，即完全隶属、交叉点和完全不隶属，将原始数据校准为0—1内变化的连续的集合隶属度数值；mcQCA则将原始数据校准为0、1、2等三分及以上的集合数值。
（2）必要性检测。在实际操作过程中，用覆盖度指标来代表必要性检测。覆盖度表示因素组合解释结果的唯一性程度[26]。覆盖度描述集合间“充分非必要”的关系，覆盖度越接近1，越说明该因素集合是达到结果集合的唯一路径，该值达0.9以上，表明该因素是结果的必要条件。若有因素确定为引致结果发生的必要条件，则需要在后面反事实分析中视作核心条件。
（3）真值表构建。所有数据校准完成后，可以构建真值表。真值表包括所有引致结果发生的因素组合和每种组合对应的案例数量，假设有k个因素，则有2k个因素组合。通常会根据案例频数（frequency）、原始一致性（raw consistency）和不一致的减少率（proportional reduction in inconsistency，PRI）检验因素组合与结果的关系。每种因素组合对应的案例数量是不均衡的，为了提取出对结果解释能力较强的因素组合，可以设置案例频数阈值。一般小样本数据，样本量小于60，频率设为1[27]；大样本数据，样本量大于500，频率设为2—3[28]。一致性表示因素组合共享结果的程度[25]，C. Q. SKAANING建议一致性阈值为0.8，根据研究对象特点可自行调整阈值[29]。P. C. Fiss等学者提出PRI作为一致性度量的补充方法，以减少案例同时属于结果及其补集的逻辑矛盾，建议该值阈值为0.7以上[30]。
（4）反事实分析。基于设定的结果，QCA会进行简单类和困难类反事实分析。通过简单类反事实分析，得到优化解；通过困难类反事实分析，得到简洁解；未进行反事实分析，得到复杂解。其中，复杂解通常不符合经济要求；简洁解包含的因素，称为核心条件；仅优化解包含的因素，称为边缘条件[25]。
（5）稳健性分析。稳健性检验主要包括参数设定和模型设定。其中，参数设定的稳健性检验包括调整校准点、调整案例数阈值、增加或删减案例等方法[31-32]。模型设定的稳健性检验包括改变测量方法、更换数据源等[33]。如果在不同方式下，调整后的模型与原始模型具有相似的路径、一致性和覆盖率，则认为该结果是稳健的。

3.2 SEM的操作步骤

结构方程分析过程具体分为5个步骤：提出研究假设、构建理论模型、定义变量、收集样本数据、数据分析。数据分析又包括检验信效度、分析模型、验证假设和分析结论。由于步骤较多，重点解释以下步骤内容：
（1）定义变量。定义变量旨在把抽象的学术概念转化为具体可测量的指标，最终以量表的形式展现。定义变量最为常见的是问卷调查法，通过引用已发表权威论文中相似的学术定义对应的题目，以问卷形式发放给特定对象进行调查分析。另外，也可以用大数据、编码等方式进行定义变量。
（2）检验信效度。在应用结构方程模型前，需要进行探索性因素分析（exploratory factor analysis, EFA）或者验证性因素分析（confirmatory factor analysis，EFA），从而检验信效度。采用EFA需要重复稳定结论的支持，实际操作有一定难度，因此多使用CFA验证信效度[34]。
一般情况下，当Cronbach's α系数值大于0.8时，认为量表的信度处于非常好的区间范围；当Cronbach's α系数值界于0.7到0.8之间时，则认为量表的信度处于较好的区间范围；当Cronbach's α系数值界于0.6到0.7之间时，认为量表的信度处于可接受的范围；当Cronbach's α系数值小于0.6时，量表的信度处于不佳的区间范围[35]。当样本数据AVE大于0.5，说明数据具有较好的效度，有一定的准确性、有用性[36]。
（3）分析模型。信效度检验达到标准后，进行模型分析。首先，选取合适的参数估计方法和拟合指标，选取依据可以参考表2和表3。其次，将分析结果与推荐范围进行比较，常用拟合指数取值范围参考表3。最后，对于“未达标准”的拟合指数，按照理论分析进行恰当的修改，若无恰当理由，则不应调整模型。无论是否调整模型，都要对结果进行合理的解释。
（4）验证假设。在结果报表中选取路径系数及P值，可以发现初始提出的每条假设都对应着路径系数和P值。路径系数越大，说明该假设的因果关系越强，可用于比较变量对结果的影响程度。而P值小于0.1，说明该假设成立，且P值越小证明假设成立的力度越强，反之，假设不成立。

3.3 QCA、SEM操作步骤的比较分析

QCA与SEM在操作步骤方面既有相似之处又有差异之处。首先，QCA与SEM在结果阐述方面有相似之处。两者在运算结果时都运用到了软件，并且运算结果给出的仅是简单的因果关系路径，是最浅层的含义，不具有实际意义。因此，针对运算结果，两种方法都需要进行深层次分析，阐述前因引致结果发生或不发生的内在机制以及实际情况中是否有对应的案例支撑内在机制的成立。
此外，QCA与SEM在条件处理和误差处理方面有较大差异。在条件处理方面，QCA需要将原始数据进行校准，转换为集合隶属度；SEM数据预处理后，便可直接使用原始数据。QCA具体校准方法很多，以fsQCA校准为例，主要分为量表数据校准和直接数据校准。量表数据又分为5点量表和7点量表，5点量表可以按5、3.5、1，5、3、1等[37]标准校准，7点量表可以按6、4、2[38]，6、4.5、3[39]等标准校准。直接数据校准可以按95、50、5[25]，80、50、20[40]等标准校准。SEM一般根据变量量表设计问卷，剔除问卷数据中异常数值后，便可直接运用于软件中计算，无需校准处理。
在误差处理方面，QCA运用稳健性检验说明误差的影响结果，SEM允许模型中存在误差项并在结果报表中可以观察误差项数值。在QCA分析过程中，选择因素和校准方式，尤其在选择校准方式时，方式多种多样，完全依赖于研究者本身的理论水平和对案例的理解程度，该过程中可能会产生一定的误差，因此需要检验结果的稳健性，即采取改变案例数阈值、校准方式、一致性阈值等措施后，观察结果会不会产生根本性变化，若无则说明结果具有良好的稳健性。而SEM允许潜在变量和观察变量存在误差，实际情况中图书馆满意度、用户行为等潜在变量即使使用多个观察变量进行测量也难以准确计算，因此SEM允许存在误差项，在结果输出报表中，若误差项为正值且P值显著，则说明变量的误差项在合理范围内，没有影响整体模型。

4 QCA、SEM在图书情报领域的应用比较/The comparison of the QCA and SEM in the field library and information technology

4.1 QCA在图书情报领域的应用

近些年国内学者认识到QCA的价值，其在政治学、经济学、新闻学等领域都有所应用。但是图书情报领域相关研究仍旧较少，目前仅在信息服务、用户研究和文化服务等方面有不同程度的应用。
（1）QCA在信息服务中的应用。陈晓宇等[41]用回归分析法研究影响网络用户信息搜寻行为的因素，并在此基础上，进一步用fsQCA探究这些影响因素如何组合才能发挥更大作用；段尧清等[42]运用fsQCA识别突发公共卫生事件下公众持续使用政府信息行为的触发路径、核心因素和演化规律，从而加强政府对公共卫生事件的控制能力；余贝迪等[43]以探究在线健康信息搜寻中焦虑增加原因为研究对象，运用QCA寻找导致焦虑增加的因素组合，并提出相应建议以改善用户情绪；Y. Liu等[44]以农村居民政府移动服务采纳研究为例，展示了fsQCA在信息系统（information system，IS）行为研究中相较于回归分析等传统统计方法的优势。
（2）QCA在用户行为中的应用。孙国强等[45]以大学微信用户非理性集群行为为研究基础，利用csQCA证明该行为确实是不同因素相互作用产生的，并为政府、学校采取措施提供依据；杨金龙等[46]运用fsQCA分析影响移动学习社区用户感知学习的影响因素，为促进移动学习社区发展提供理论基础；胡媛等[47]以高校学生科研数据需求管理为研究对象，运用fsQCA分析发现用户因素是最为关键的因素，并针对路径结果提出相应建议；杨金龙等[48]使用mvQCA和fsQCA探究将移动学习采纳转化为持续的重要因素和有效路径，从而提高移动学习者的学习效率。
（3）QCA在文化服务中的应用。张海超等[49]以郑州市郑品书社建设为研究对象，运用csQCA探究书房所在行政区、投入资金、书房地点等九大条件因素对书社建设的多重并发因果关系，得出“重点式”和“覆盖式”两条典型建设路径；李少惠等[50]运用fsQCA研究公共文化服务产品、专业人才、科学技术和财政收入对公共文化服务创新的影响和联合作用，确定了两条有效路径和核心因素，为公共文化服务创新提供参考；池毛毛等[51]以高校图书馆为研究对象，采用fsQCA探究多种因素组合驱动图书馆数字化转型，从而更好地服务师生。

4.2 SEM在图书情报领域的应用

结构方程相较于定性比较分析法，在图书情报领域有较大程度的发展，相关研究也日趋成熟，下文将从图书馆满意度、知识学习和信息系统3个方面展开论述：
（1）SEM在图书馆满意度中的应用。武海东、黄宜、雷顺利、张新兴等[52-57]运用结构方程构建图书馆用户满意度模型，探究并验证了影响满意度的变量，为提升图书馆服务水平提供依据；龚花萍等[58]引入结构方程对图书馆阅读文化建设的读者满意度进行评价研究，确定影响读者满意度的变量，并采取措施提升服务质量；杨涛[59]以信息系统成功模型为基础，用结构模型方程拟合研究模型，通过检验验证假设确定影响用户自主还书满意度的变量；占南等[60]以技术接受模型和信息系统成功模型为理论基础，利用结构模型探究影响武汉大学在校学生对图书馆开放课程资源使用意愿的变量。
（2）SEM在知识学习中的应用。钱瑛[61]以期望确认理论框架为基础，利用结构方程构建模型，研究社会化网络环境下用户持续学习的影响因素，为在线学习提供依据；龚主杰、李金阳、尚永辉、周涛等[62-65]基于不同理论，利用结构方程探究虚拟社区用户知识共享行为或“潜水”行为的影响因素，从而为增强用户知识分享意愿提供策略；杜智涛等[66]运用结构方程探讨用户在线知识付费行为的影响因素和形成机理。
（3）SEM在持续使用意愿中的应用。王文韬[67]等以信息系统成功视角，运用结构方程对虚拟健康社区用户的使用意愿进行假设验证，为未来虚拟健康社区的研究提供参考和依据；魏群义、徐凯英等[68-69]基于技术接受模型（Technology Acceptance Model，TAM）和信息系统成功模型（Information System Success Model，ISSM），采用问卷调查和结构方程建模法，分析并验证图书馆用户持续使用意愿的驱动变量，有利于提出服务改进建议；王哲[70]以信息系统持续使用模型为基础，以知乎为例探究社会化问答社区正向影响用户持续使用行为的变量及其影响力大小；李武等[71]使用信息系统持续使用模型，利用结构模型研究大学生社会化阅读App持续使用的机理和影响因素。

4.3 QCA、SEM在图书情报领域应用的比较分析

QCA和SEM在图书情报领域拥有各自的应用优势和劣势。首先在研究问题选取方面，QCA适合研究复杂因果关系的问题，SEM适合单一因果关系的研究问题。QCA和SEM都可以同时处理多个条件对结果的影响，区别在于QCA可以研究多个条件组合到达结果的路径，即引致相同结果的路径并不唯一，构成前因的条件可以互相组合，探索组成的路径对结果的解释力度和多重并发因果关系，例如池毛毛等[51]以高校图书馆为研究对象，采用fsQCA探究多种因素组合驱动图书馆数字化转型。而SEM研究两两条件间的作用，关注变量的显著性，验证单一因果关系，例如探究影响图书馆用户满意度的单个条件有哪些，但不能探究哪些条件组合会影响图书馆用户满意度。
其次，逻辑分析方面，QCA多为一种探索式的分析方式，SEM多为一种验证式的分析方式。QCA在分析时需要预判引致结果的因素，并对引致结果发生的多条不同路径进行解释，在分析过程中除了验证现有理论，可能还会产生新的理论。例如杜运周等[72]研究营商环境生态要素组合对城市创业活跃度的影响，验证了政府与市场间“帮助之手”和“看不见的手”的关系。SEM在分析时通常会在现有的理论模型基础上改动，构建新的理论模型，再通过样本数据进行验证新构建理论模型的合适程度。同样，假设的提出也多在前人研究基础上提出，并通过模型路径分析P值是否显著验证假设是否成立。

5 QCA与SEM的实证分析/The empirical of QCA and SEM

笔者以使用过在线知识付费服务的用户为研究对象，通过线上和线下发放问卷，基于QCA与SEM各自特性，采用不同的样本数据进行实证分析，探究影响用户持续使用意愿的因素，从而提升用户持续使用意愿。QCA采用小样本数据，共发放101份问卷，有过线上知识付费经历的共67人，删除不合格数据后有效问卷44份，有效问卷率达65.7%。SEM采用大样本数据，共发放443份问卷，有过线上知识付费经历的共382人，删除不合格数据后有效问卷364份，有效问卷率达82.2%。
问卷共涉及9个变量，分别为绩效期望、努力期望、价格权衡、习惯、便利条件、社会影响、信任、持续使用意愿和持续使用行为。设置这9个变量的测量问题时为了确保题项测量的信效度，首先将国内外相关成熟量表进行归纳整理，根据本次研究问题及对象的特征，完善并最终设计出适合我国现状的测量问题。其中，绩效期望、努力期望、价格权衡、习惯、社会影响、便利条件部分主要参考V. Venkatesh 等提出的已经非常成熟的量表，信任部分采用D. Gefen提出的量表，持续使用意愿和持续使用行为主要参考A. Bhattacherjee 提出的量表。具体见表5。
表5 变量测量量表

Table 5 Variable measurement scale

变量 测量问题 来源

绩效期望

（PE）

使用线上知识付费可以使我随时随地地购买所需知识产品

通过线上知识付费我能够得到更多的知识产品和服务

综合来看，线上知识付费对我来说是有用的

 V. Venkatesh等[73]

努力期望

（EE）

我认为告诉别人如何使用线上知识付费是容易的

我了解如何使用付费的线上知识产品及服务

综合来看，使用在线知识付费对我来说是容易的

 V. Venkatesh等[73]

价格权衡

(PV)

付费得到的资源比人人都能免费获得的知识质量高很多

线上知识付费服务提供了符合其价值的高质量知识产品

我认为使用线上知识付费服务所付出的费用是值得的

综合来看，线上知识付费产品及服务的价格是可以接受的

 V. Venkatesh等[73]

习惯

(HA)

对我而言，使用线上知识付费是一件很平常的事情

线上购买所需知识资源已成为我获得知识的一种途径

我已经习惯了当需要学习新知识的时候，使用线上知识付费获得知识产品及服务

综合来看，线上知识服务平台的使用已经成为了我的习惯

 V. Venkatesh等[73]

社会影响

(SI)

我身边的很多同学/同事都有过使用线上知识付费的经历

我倾向于购买评论量及购买量多的线上产品

周围的人或媒体的推荐促使我购买线上知识资源

综合来看，我选择使用线上知识付费服务与周围环境有关

 V. Venkatesh等[73]

便利条件

(FC)

我拥有使用线上知识付费产品或服务的条件

我拥有使用线上知识付费产品或服务的知识

线上知识付费服务的平台可以与我的设备兼容

使用线上知识付费服务遇到困难时，我很容易找到解决的办法

V. Venkatesh等[73]

信任

(TR)

认为使用线上知识付费服务不会有太大的风险

购买线上知识时，我的账号信息不会被他人非法截取

购买线上知识时，我的交易信息不会被他人非法截取

综合来看，我认为线上知识付费服务是值得信赖的

 D. Gefen[74]
持续使用意愿(CUI)

如果有需要我会购买不同种类的线上知识付费产品

我愿意向周围的人宣传那些使用后觉得有用的知识产品

综合来看，购买的线上知识产品我很满意

 A. Bhattacherjee[75]
持续使用行为(CUB)

我还在继续使用某一平台的线上知识付费产品及服务

我经常登录线上知识平台浏览相关产品的详细信息

综合来看，我使用在线知识付费服务较为频繁

 A. Bhattacherjee[75]

5.1 QCA实证分析

5.1.1 数据校准

问卷设计包含6个变量，分别为绩效期望、价格权衡、习惯、信任、社会影响和持续使用意愿，其中前5个前因条件按采用5级量表，最后结果条件采用是否式，通过回收有效问卷共44份。将前因条件下设的二级指标加权平均后计算出一级指标得分，采用校准标准（5，3.5，1），5表示完全隶属值、3.5表示交叉点、1表示完全不隶属值。

5.1.2 必要性检测

对校准后的数据进行必要性分析，得到因素的一致性和覆盖度（见表6）。因素名前加上“~”表示该因素不存在。必要性检测结果表明，不存在一致性（consistency）大于0.9的变量，因此不存在必要条件。
表6 单个因素条件的必要性检验

Table 6 Necessary test for single factor condition

前因条件 结果条件 CUI
一致性（Consistensy） 覆盖度（Coverage）

PE

PV

TR

0.82

0.71

0.70

0.91

0.93

0.95

HA 0.74 0.96

SI

~PE

0.83

0.18

0.88

0.38

~PV

~TR

0.29

0.30

0.47

0.48

~HA 0.26 0.43
~SI 0.17 0.40

5.1.3 真值表构建

本文真值表按照案例频数设为1，原始一致性设为0.8，PRI为0.75的标准进行筛选，得到真值表见表7。
表7 真值表

Table 7 Truth table

PE PV TR HA SI CUI 案例数 原始一致性
1 1 1 1 1 1 20 0.95
1 1 0 1 1 1 2 0.88
1 0 1 0 1 1 2 0.84
1 0 1 0 0 0 1 0.79
0 0 1 0 1 0 1 0.78
1 0 0 0 1 0 1 0.67
0 0 0 0 1 0 1 0.53
0 0 0 0 0 0 12 0.31

5.1.4 反事实分析

基于真值表进行因素标准化分析，得到3种解，即复杂解、中间解和简洁解。其中，复杂解通常不符合经济要求；简洁解包含的因素，称为核心条件；仅优化解包含的因素，称为边缘条件[26]。QCA分析结果见表8。表中5个前因条件构成的条件组合对总体解释较强，总体覆盖度达71%，总体一致性达95%。线上知识付费服务用户会产生持续使用意愿的组合分别是：①PE*PV*HA*SI；②PE*~PV*TR*~HA*SI。第一种组合说明用户在使用线上知识付费时，对产品或服务期许高，认为付出成本小于收获的知识价值，养成购买线上知识付费产品或服务的习惯，周边朋友频繁使用线上知识付费，则会增强用户持续使用意愿。其中，价格权衡和习惯为核心条件，表明用户更重视线上知识产品价格与品质等价和自身具有购买线上知识产品的习惯。第二种组合说明用户在没有养成购买线上知识产品习惯和认为产品价格虚高的前提下，期望产品质量高并信任网上知识服务平台，受周边人推荐的影响，仍会有持续使用意愿。
表8 前因标准化分析结果

Table 8 Results of previous cause standardization analysis

前因条件 CUI
1 2

绩效期望（PE）

价格权衡（PV）

信任（TR）

习惯（HA）

社会影响（SI）

一致性

原始覆盖度

唯一覆盖度

总体一致性

总体覆盖度

●

●

●

●

0.95

0.67

0.52

0.95

0.71

●

⊗

●

⊗

●

0.84

0.18

0.04

注： ⊗表示核心元素条件不存在，●表示核心元素条件存在，下同

5.1.5 稳健性分析

笔者将校准标准从（5，3.5，1）调整为（95%，50%，5%），结果对比见表9，两者具有相似的路径和参数，无需进行不同的实质性检验，稳健性检验显示结果稳健。
表9 改变校准方式的稳健性检验

Table 9 Robustness test of various calibration method

要素 CUI（校准标准：5、3.5、1） CUI（校准标准：95%、50%、5%）
条件 路径1 路径2 路径1 路径2 路径3
PE ● ● ● ●
PV ● ⊗ ⊗ ⊗ ●
TR ● ● ●
HA ● ⊗ ⊗ ⊗ ●
SI ● ● ● ●
一致性 0.95 0.84 0.86 0.86 0.96
原始覆盖度 0.67 0.18 0.16 0.17 0.51
唯一覆盖度 0.52 0.04 0.01 0.02 0.38
总体一致性 0.95 0.95
总体覆盖度 0.71 0.56

5.2 SEM实证分析

5.2.1 假设研究和模型

在研究中绩效期望指消费者利用线上知识付费能获得便利和好处，因此笔者提出假设H1：绩效期望正向影响用户在线知识付费的持续使用意愿。努力期望指消费者持续使用线上知识付费的简易程度，因此笔者提出假设H2：努力期望正向影响用户在线知识付费的持续使用意愿。价格权衡指消费者使用线上知识付费的收益大于付出的成本，会产生持续使用的意愿和行为，因此笔者提出假设H3：价格权衡正向影响用户在线知识付费的持续使用意愿。习惯指消费者自发持续使用线上知识付费服务的行为，因此笔者提出假设H4A：习惯正向影响用户对在线知识付费的信任；H4B：习惯正向影响用户在线知识付费的持续使用意愿。社会影响指消费者会受周围人使用线上知识付费的影响，因此笔者提出假设H5A：社会影响正向影响用户对在线知识付费的信任；H5B：社会影响正向影响用户在线知识付费的持续使用意愿。便利条件指消费者使用线上知识付费服务的方便程度和技术支持的完备程度，因此笔者提出假设H6A：便利条件正向影响用户对在线知识付费的信任；H6B：便利条件正向影响用户在线知识付费的持续使用行为。信任指消费者认为线上知识付费服务提供商的可靠程度，因此笔者提出假设H7：信任正向影响用户在线知识付费的持续使用意愿；H8：信任正向影响用户在线知识付费的持续使用行为。持续使用意愿指消费者使用过线上知识付费服务后是否继续购买的意愿，持续使用行为指消费者未来持续使用在线知识付费服务的行为，因此笔者提出假设H9：持续使用意愿正向影响用户在线知识付费的持续使用行为。线上知识付费用户持续使用意愿模型见图1所示：
图1 线上知识付费用户持续使用意愿模型

Figure 1 Continuous use intention model of online knowledge paying users

5.2.2 量表开发和数据收集

本次调查以使用过在线知识付费服务的用户为研究对象，线上调研共回收问卷443份，删除不合理数据后，共回收有效问卷364份。
本研究主要涉及9个变量，分别为绩效期望、努力期望、价格权衡、习惯、社会影响、便利条件、信任、持续使用意愿和持续使用行为。为了确保题项测量的信效度，首先将国内外相关成熟列表进行归纳整理，根据本次研究问题及对象的特征，完善并最终设计出适合我国现状的测量问题，变量测量量表见表5。

5.2.3 数据分析

首先对测量模型进行分析，考察量表的信度、效度和标准载荷。表10的数据显示，所有变量中最低Cronbach's α为0.721，最低的组合信度为0.784，表明本研究测量量表具有较高的信度，量表的内部一致性较好。同时，问卷的测量题项标准最低值为0.704，最高值达到0.896，且每个潜在变量有3个及以上测量题项，潜在变量的平均方差取值（AVE）最低值为0.551，完全符合收敛效度的要求，且具有较高的收敛效度。运用AMOS 26.0软件对模型进行解构模型分析，部分拟合度见表11。各拟合指数值均优于推荐值，显示出较好的拟合优度，模型拟合良好。路径系数和显著水平见图2。
表10 各因子标准载荷、Cronbach's α值、CR和AVE值

Table 10 The values of standard factor loading, Cronbach's α, CR, AVE

潜在变量 观测便利 标准载荷 Cronbach's α CR AVE
绩效期望

PE1

PE2

PE3

0.885

0.836

0.739

 0.808 0.862 0.676
努力期望

EE1

EE2

EE3

0.772

0.803

0.783

 0.828 0.829 0.618
价格权衡

PV1

PV2

PV3

PV4

0.747

0.734

0.703

0.780

 0.835 0.830 0.551
习惯

HA1

HA2

HA3

HA4

0.725

0.811

0.744

0.796

 0.851 0.853 0.593
社会影响

EV1

EV2

EV3

0.732

0.814

0.757

 0.721 0.808 0.584
便利条件

FC1

FC2

FC3

FC4

0.719

0.791

0.758

0.683

 0.781 0.784 0.594
信任

TR1

TR2

TR3

TR4

0.642

0.833

0.896

0.680

 0.880 0.851 0.593
持续使用意愿

CUI1

CUI2

CUI3

0.794

0.737

0.704

 0.780 0.802 0.551
持续使用行为

CUB1

CUB2

CUB3

0.691

0.815

0.824

 0.791 0.822 0.607
表11 拟合指标评价标准

Table 11 Fitting index evaluation criteria

拟合指数 推荐值 拟合值
χ2/df <3.00 2.681
RMSEA <0.10 0.063
AGFI [0.70-0.90] 0.856
GFI [0.70-0.90] 0.942
NFI [0.70-0.90] 0.862
CFI [0.70-0.90] 0.912
图2 路径系数图

注：*表示P<0.05；**表示P<0.01；***表示P<0.001；ns表示p>0.05

Figure 2 Diagram of path coefficients

结果表明，绩效期望、价格权衡、习惯、社会影响和信任会显著影响线上知识付费用户的持续使用意愿；习惯和便利条件显著影响用户的信任；便利条件和消费者的持续使用意愿对其持续使用行为具有积极作用。努力期望对持续使用意愿无显著影响，社会影响对信任无显著影响，信任对持续使用行为也没有显著影响。可结合实际深入分析各变量间因果关系的成因。

5.3 QCA与SEM实证结果对比分析

在结构方程分析中，绩效期望、价格权衡、习惯、社会影响和信任会显著影响线上知识付费用户的持续使用意愿。在定向比较分析法分析中，绩效期望、价格权衡、习惯、社会影响和信任同样在两条路径中作为边缘或核心条件出现，说明两种方法结果一致。
在结构方程分析中，只能看两个变量间的影响，路径单一。而定向比较分析不局限两两间关系，可以探究多个前因条件组合对持续使用意愿的影响，得到了两条路径，每条路径中前因条件可以是任一状态，但其组合都最终指向相同结果，更符合现实中复杂因果的案例研究。

6 结果与讨论/Results and discussions

笔者将定性比较分析法（QCA）与结构方程（SEM）在图书情报领域进行比较分析。研究结果表明，关于图书情报领域的实证研究，定性比较分析法和结构方程在探究前因与结果的因果关系时，各有其优势和局限。虽然两者都可以使用大样本数据进行实证分析，但QCA在分析小样本数据方面更有优势，弥补了结构方程仅适合分析大样本数据的局限性。此外，QCA适合分析图书情报领域内多元复杂关系，而SEM适用于分析变量间净效应关系，同时SEM在处理潜在变量间较为简单的因果关系时更具合理性。两者研究方法不存在优劣之分，对于图书情报领域的研究问题，应该根据研究对象特性、样本规模、研究目的等进行综合考量，选择合适的分析方法。实际上，定性比较分析法和结构方程仅提供前因与结果的关系，因果关系的内部机制和成因还需要结合实际情况进行进一步阐述，从而拓展图书情报领域实证研究的广度和深度。笔者在实证研究过程中采用不同样本来对比QCA与SEM的异同，在实际生活中可以采取相同样本，通过两种方法相互印证补充结论。当前，使用不同研究方法研究问题兴起，在图书情报领域，定性比较分析法和结构方程互相合作互补，进一步完善验证研究结论。具体来说，可以利用结构方程关注独立变量的显著性，同时利用定性比较分析法探寻充分性因素组合。混合研究法的应用将进一步促进图书情报等人文社会科学领域学术的纵深发展，为提升国际影响力按下“加速键”[76]。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
RAGIN C C. The comparative method: moving beyond qualitative and quantitative strategies[M].Berkeley: University of California Press, 1987.

[2]
夏鑫, 何建民, 刘嘉毅.定性比较分析的研究逻辑——兼论其对经济管理学研究的启示[J]. 财经研究, 2014, 40(10): 97-107.

XIA X, HE J M, LIU J Y. Research logic of qualitative comparative analysis: on its implications for economic management research[J]. Journal of financial and economics, 2014, 40(10): 97-107.

[3]
黄荣贵, 桂勇. 互联网与业主集体抗争：一项基于定性比较分析方法的研究[J]. 社会学研究, 2009, 24(5): 29-56.

HUANG G Y, GUI Y. The internet and the collective struggle of owners: a study based on a qualitative comparative analysis method[J]. Sociological studies，2009, 24(5): 29-56.

[4]
RIHOUX B, LOBE B. The case for qualitative comparative analysis (QCA): adding leverage for thick cross-case comparison [M]// The Sage handbook of case-based methods. California: Sage, 2009: 222-242.

[5]
何俊志. 比较政治分析中的模糊集方法[J]. 社会科学, 2013(5): 30-38.

HE J Z. Fuzzy-Set methods in comparative political analysis[J]. Journal of social sciences, 2013(5): 30-38.

[6]
SAWY O A EL, MALHOTRA A, PARK Y, et al. Seeking the configurations of digital ecodynamics: it takes three to tango[J]. Information systems research, 2010, 21(4): 835-848.

[7]
倪宁, 杨玉红. 基于模糊集定性比较分析方法改进胜任力建模[J]. 工业工程与管理, 2009, 14(2): 109-113.

NI N, YANG Y H. How to apply fuzzy-set qualitative comparative analysis to competency modeling[J]. Industrial engineering and management, 2009, 14(2): 109-113.

[8]
毛湛文. 定性比较分析(QCA)与新闻传播学研究[J]. 国际新闻界, 2016, 38(4): 6-25.

MAO Z W. Qualitative comparative analysis (QCA) and journalism and communication research[J]. Chinese journal of journalism & communication, 2016, 38(4): 6-25.

[9]
BELL R G, FILATOTCHEV I, AGUILERA R V. Corporate governance and investors’ perceptions of foreign IPO value: an institutional perspective[J]. Academy of management journal, 2014, 57(1): 301-320.

[10]
李蔚, 何海兵. 定性比较分析方法的研究逻辑及其应用[J].上海行政学院报, 2015, 16(5): 92-100.

LI W, HE H B. The logic and application of qualitative comparative analysis in social science research[J]. The Journal of Shanghai Administration Institute, 2015, 16(5): 92-100.

[11]
CRONQVIST L. Presentation of TOSMANA adding multi-value variables and visual aids to QCA[EB/OL].[2025-02-12].

[12]
RIHOUX B, RAGIN C C. Configurational comparative methods: qualitative comparative analysis (QCA) and related techniques[M]. London: Sage, 2009:152-154.

[13]
CAREN N, PANOFSKY A. TQCA: a technique for adding temporality to qualitative comparative analysis[J]. Sociological methods & research, 2005, 34(2): 147-172.

[14]
HINO A. Time-series QCA studying temporal change through boolean analysis[J]. Sociological theory and methods, 2009, 24(2): 247-265.

[15]
侯杰泰, 成子娟. 结构方程模型的应用及分析策略[J]. 心理学探新, 1999(1): 54-59.

HOU J T, CHEN Z J. Application and analysis strategies of structural equation modeling[J]. Psychological exploration, 1999(1): 54-59.

[16]
卞冉, 车宏生, 阳辉. 项目组合在结构方程模型中的应用[J].心理科学进展, 2007(3): 567-576.

BIAN R, CHE H S, YANG H. Item parceling strategies in structural equation modeling[J]. Advances in psychological science, 2007(3): 567-576.

[17]
ANDERSON J C, GERBING D W. Structural Equation Modeling in practice: a review and recommended two-step approach[J]. Psychological bulletin, 1988, 103(3): 411-423.

[18]
王阳, 温忠麟, 李伟, 等. 新世纪20年国内结构方程模型方法研究与模型发展[J].心理科学进展, 2022, 30(8): 1715-1733.

WANG Y, WEN Z L, LI W, et al. Methodological research and model development on structural equation models in China's mainland from 2001 to 2020[J]. Advances in psychological science, 2022, 30(8): 1715-1733.

[19]
秦浩, 陈景武. 结构方程模型原理及其应用注意事项[J]. 中国卫生统计, 2006(4): 367-369.

QIN H, CHEN J W. Principles of structural equation modeling and considerations for its application[J]. Chinese journal of health statistics, 2006(4): 367-369.

[20]
骆雷. PLS-SEM多变量统计分析在赛事观众研究领域中的应用[J].上海体育学院学报, 2020, 44(11): 86-94.

LUO L. Application of PLS-SEM multivariate data analysis on sports spectators research[J]. Journal of Shanghai University of Sport, 2020, 44(11): 86-94.

[21]
王孟成, 邓俏文, 毕向阳. 潜变量建模的贝叶斯方法[J]. 心理科学进展, 2017, 25(10): 1682-1695.

WANG M C, DENG Q W, BI X Y. Bayesian approach to latent variable modeling[J]. Advances in psychological science, 2017, 25(10): 1682-1695.

[22]
LI C H. Confirmatory factor analysis with ordinal data: comparing robust maximum likelihood and diagonally weighted least squares[J]. Behavior research methods, 2016, 48(3): 936-949.

[23]
MARSH H W, K-T HAU, GRAYSON D. Goodness of fit evaluation in structural equation models[M]// Mahwah: Lawrence Erlbaum Associates, 2005: 275-340.

[24]
SAWY O A EL, MALHOTRA A, PARK Y, et al. Seeking the configurations of digital ecodynamics: it takes three to tango[J]. Information systems research, 2010, 21(4): 835-848.

[25]
RAGIN C C. Redesigning social inquiry: fuzzy sets and beyond[J]. Social forces, 2009, 88(4): 1936-1938.

[26]
SCHNEIDER C Q, WAGEMANN C. Set-theoretic methods for the social sciences: a guide to qualitative comparative analysis[M]. Cambridge: Cambridge University Press, 2012.

[27]
BELL R G, FILATOTCHEV I, AGUILERA R. Corporate governance and investors' perceptions of foreign IPO value: an institutional perspective[J]. Journal of academy management, 2014, 57(1): 301-320.

[28]
PAPPAS I O, KOUROUTHANASSIS P E, GIANNAKOS M N, et al. Explaining online shopping behavior with fsQCA: the role of cognitive and affective perceptions[J]. Journal of business research, 2016, 69(2): 794-803.

[29]
SKAANING S E. Assessing the robustness of crisp-set and fuzzy-set QCA results[J]. Sociological methods & research, 2011, 40(2): 391-408.

[30]
PARK Y, SAWY EL O A, FISS P C. The role of business intelligence and communication technologies in organizational agility: a configurational approach[J]. Journal of the Association for Information Systems, 2017, 18(9): 648-686.

[31]
黄嫚丽, 张明, 皮圣雷, 等. 中国企业逆向跨国并购整合组态与并购整合绩效关系研究[J]. 管理学报, 2019, 16(5): 656-664.

HUANG M L, ZHANG M, PI S L, et al. Research on the association between the integrative configuration of upstream cross-border M&A and performance[J]. Chinese journal of management, 2019, 16(5): 656-664.

[32]
张明, 陈伟宏, 蓝海林. 中国企业“凭什么”完全并购境外高新技术企业——基于94个案例的模糊集定性比较分析(fsQCA)[J]. 工业经济, 2019(4): 117-135.

ZHANG M, CHEN H W, LAN H L. Why do Chinese enterprises completely acquire foreign high-tech enterprises——a fuzzy set qualitative comparative analysis (fsQCA) based on 94 cases[J]. China industrial economics, 2019(4): 117-135.

[33]
KIM M. Many roads lead to Rome: implications of geographic scope as a source of isolating mechanisms[J]. Journal of international business studies, 2013, 44(9): 898-921.

[34]
刘军, 富萍萍. 结构方程模型应用陷阱分析[J]. 数理统计与管理, 2007(02): 268-272.

LIU J, FU P P. Structural equation modeling applies trap analysis[J]. Journal of applied statistics and management, 2007(2): 268-272.

[35]
BAGOZZI R P, YI Y. On the evaluation of structural equation models[J]. Journal of the academy of marketing science, 1988, 16(1): 74-94.

[36]
FORNELL C, LARCKER D F. Evaluating structural equation models with unobservable variables and measurement error[J]. Journal of marketing research, 1981, 18(1): 39.

[37]
JACOBS S, CAMBRE B. Designers' road(s) to success: balancing exploration and exploitation[J]. Journal of business research, 2020, 115:241-249.

[38]
PAPPAS I O, KOUROUTHANASSIS P E, GIANNAKOS M N, et al. Explaining online shopping behavior with fsQCA: the role of cognitive and affective perceptions[J]. Journal of business research, 2016, 69(2): 794-803.

[39]
MIKALEFP, PATELI A. Information technology-enabled dynamic capabilities and their indirect effect on competitive performance: findings from PLS-SEM and fsQCA[J]. Journal of business research, 2017, 70:1-16.

[40]
PAPAMITSIOU Z, PAPPAS I O, SHARMA K, et al. Utilizing multimodal data through fsQCA to explain engagement in adaptive learning[J]. IEEE transactions on learning technologies, 2020, 13(4): 689-703.

[41]
陈晓宇, 付少雄, 邓胜利. 社会化问答用户信息搜寻的影响因素研究——一种混合方法的视角[J]. 图书情报工作, 2018, 62(20): 102-111.

CHEN X Y, FU S X, DENG S L. Analyzing the influencing factors of internet users' information-seeking behavior: a mixed-method perspective[J]. Library and information service, 2018, 62(20): 102-111.

[42]
段尧清, 朱永迪, 蔡启宾, 等. 突发公共卫生事件下公众持续使用政府信息行为影响因素研究——基于QCA的触发路径及演化分析[J]. 信息资源管理学报, 2022, 12(3): 89-99.

DUAN Y Q, ZHU Y D, CAI Q B, et al. Research on influencing factors of government information public sustainable use behavior under public health emergency: trigger path and evolution analysis based on QCA[J]. Journal of information resources management, 2022, 12(3): 89-99.

[43]
余贝迪, 王益明. 在线健康信息搜寻中健康焦虑增加现象研究[J]. 图书情报知识, 2020(4): 106-118.

YU B D, WANG Y M. Research on the escalation of health anxiety in online health information seeking[J]. Documentation, information & knowledge, 2020(4): 106-118.

[44]
LIU Y, MEZEI J, KOSTAKOS V, et al. Applying configurational analysis to IS behavioural research: a methodological alternative for modelling combinatorial complexities[J]. Information systems journal, 2015, 91 (11): 139-144.

[45]
孙国强, 石文萍. 大学校园微信用户非理性集群行为生成路径研究——基于清晰集的定性比较分析[J].情报科学, 2017, 35(5): 150-156.

SUN G Q, SHI W P. University campus irrational cluster behavior generated path analysis among WeChat users——based on the qualitative comparison analysis of clear sets[J]. Information science, 2017, 35(5): 150-156.

[46]
杨金龙, 胡广伟. 移动学习社区中用户感知学习效果的组态动因及提升策略研究[J]. 现代情报, 2020, 40(8): 71-81.

YANG J Q, HU G W. Research on configuration motivation and promotion strategies of user perceived learning performance in mobile learning community[J]. Journal of modern information, 2020, 40(8): 71-81.

[47]
胡媛, 王倩妮. 高校学生科研数据需求管理的影响因素探究——基于模糊集定性比较方法[J]. 现代情报, 2020, 40(10): 104-112.

HU Y, WANG Q N. Research on the influencing factors of scientific data demand management of university student——based on fsQCA method[J]. Journal of modern information, 2020, 40(10): 104-112.

[48]
杨金龙, 胡广伟. 移动学习采纳转化为持续的动因及其组态效应研究[J]. 情报科学, 2019, 37(7): 125-132.

YANG J L, HU G W. Configuration effect of mobile learning adoption-continuance conversion motivation[J]. Information science, 2019, 37(7): 125-132.

[49]
张海超, 张伶聪. 城市书房建设的影响因素和路径优化——基于郑州市郑品书舍的清晰集定性比较分析[J]. 国家图书馆学刊, 2022, 31(2): 48-59.

ZHANG H C, YANG L C. Influencing factors and path optimization of city study construction ——a csQCA based on Zhengzhou Zhengpin Study[J]. Journal of the National Library of China, 2022, 31(2): 48-59.

[50]
李少惠, 张玉强. 公共文化服务创新驱动机制研究——基于模糊集的定性比较分析[J]. 国家图书馆学刊, 2021, 30(2): 22-33.

LI S H, ZHANG Y Q. Research on driving mechanism of public cultural service innovation ——qualitative comparative analysis based on fuzzy set[J]. Journal of the National Library of China, 2021, 30(2): 22-33.

[51]
池毛毛, 杜运周, 王伟军. 组态视角与定性比较分析方法：图书情报学实证研究的新道路[J]. 情报学报, 2021, 40(4): 424-434.

CHI M M, DU Y Z, WANG W J. Configurational perspective and qualitative comparative analysis: the new way of empirical research in library and information science[J]. Journal of the China Society for Scientific and Technical Information, 2021, 40(4): 424-434.

[52]
武海东. 用结构方程模型构建图书馆读者满意度评价指标体系[J]. 情报科学, 2011, 29(2): 227-230.

WU H D. The structural equation model was used to construct the evaluation index system of library user satisfaction[J]. Information science, 2011, 29(2): 227-230.

[53]
黄宜, 董毅明, 王艳伟. 基于结构方程模型的高校图书馆读者满意度评价研究[J]. 情报杂志, 2008(8): 155-157.

HUANG Y, DONG Y M, WANG Y W. Research on reader satisfaction evaluation of university library based on structural equation model[J]. Journal of intelligence, 2008(8): 155-157.

[54]
雷顺利. 基于用户满意度的高校图书馆馆藏资源评价模型构建[J]. 情报科学, 2010, 28(1): 76-80.

LEI S L. Construction of a model of university library resources evaluation based on user satisfaction[J]. Information science, 2010, 28(1): 76-80.

[55]
张新兴, 杨志刚. 高校图书馆数据库用户满意指数模型——假设与检验[J]. 图书情报工作, 2010, 54(3): 76-80.

ZHANG X X, YANG Z G. University library database user satisfaction index model: assumption and validation[J]. Library and information service, 2010, 54(3): 76-80.

[56]
刘锦源. 价值重于满意:图书馆服务质量模型的验证与启示[J]. 图书情报知识, 2010(6): 50-55.

LIU J Y. Value overweight satisfaction: the validation of library service quality model and its implications[J]. Documentation, information & knowledge, 2010(6): 50-55.

[57]
关磊. 高校数字图书馆网站用户持续使用意愿研究——基于用户体验、TAM和ECM的整合模型[J]. 图书馆工作与研究, 2020(2): 48-59.

GUAN L. Research on users' continuance use intention of academic library website——based on integration model of user experience, TAM and ECM[J]. Library work and study, 2020(2): 48-59.

[58]
龚花萍, 孙晓, 高洪新. 基于SEM的图书馆阅读文化建设的读者满意度评价研究[J]. 现代情报, 2014, 34(6): 23-28.

GONG H P, SUN X, GAO H X. An evaluation research of readers' satisfaction for library reading culture building base on SEM[J]. Journal of modern information, 2014, 34(6): 23-28.

[59]
杨涛. 基于SEM的图书馆自助服务用户满意和使用研究——以自助还书系统为例[J]. 图书馆论坛, 2015, 35(8): 99-107.

YANG T. A study on library self- service user satisfaction and use based on SEM——the case of selfreturn system[J]. Library tribune, 2015, 35(8): 99-107.

[60]
占南, 王文韬, 罗毅. 高校图书馆开放课程资源用户使用意愿分析——以武汉大学图书馆为例[J]. 图书馆杂志, 2015, 34(8): 21-28, 61.

ZHAN N, WANG W T, LUO Y. Analysis on the usage intention of university library open course resources: taking Wuhan University Library as an example[J]. Library journal, 2015, 34(8): 21-28, 61.

[61]
钱瑛. 在线学习用户持续使用行为的影响因素研究——基于社会化网络环境和学情定位视角[J]. 现代情报, 2015, 35(3): 50-56.

QIAN Y. Factors affecting the continued use of online learning user behavior[J]. Journal of modern information, 2015, 35(3): 50-56.

[62]
龚主杰, 赵文军, 熊曙初. 基于感知价值的虚拟社区成员持续知识共享意愿研究[J]. 图书与情报, 2013(5): 89-94.

GONG Z J, ZHAO W J, XIONG S C. Research on knowledge-sharing continuance intention in virtual community based on perceived value[J]. Library & information, 2013(5): 89-94.

[63]
李金阳. 社会交换理论视角下虚拟社区知识共享行为研究[J]. 情报科学, 2013, 31(4): 119-123.

LI J Y. Study of knowledge sharing in virtual communities from the perspective of social exchange theory[J]. Information science, 2013, 31(4): 119-123.

[64]
尚永辉, 艾时钟, 王凤艳. 基于社会认知理论的虚拟社区成员知识共享行为实证研究[J]. 科技进步与对策, 2012, 29(7): 127-132.

SHANG Y H, AI S Z, WANG F Y. Empirical study on knowledge sharing behavior of virtual community users based on social cognitive theory[J]. Science & technology progress and policy, 2012, 29(7): 127-132.

[65]
周涛, 刘佳怡, 邓胜利. 基于SOR模型的在线知识社区用户潜水行为研究[J]. 情报杂志, 2022, 41(7): 160-165, 83.

ZHOU T, LIU J Y, DENG S L. A study on lurking behavior of online knowledge community users based on SOR model[J]. Journal of intelligence, 2022, 41(7): 160-165, 83.

[66]
杜智涛, 徐敬宏. 从需求到体验:用户在线知识付费行为的影响因素[J]. 新闻与传播研究, 2018, 25(10): 18-39, 126.

DU Z T, XU J H. From demand to experience: impact factors of users' online knowledge payment behavior[J]. Journalism & communication, 2018, 25(10): 18-39, 126.

[67]
王文韬, 李晶, 张帅, 等. 信息系统成功视角下虚拟健康社区用户使用意愿研究[J]. 现代情报, 2018, 38(2): 29-35.

WANG W T, LI J, ZHANG S, et al. Research on the users' intention of virtual health community from system success[J]. Journal of modern information, 2018, 38(2): 29-35.

[68]
魏群义, 姚媛, 李艺亭. 微信图书馆用户使用意愿影响因素实证研究[J]. 图书情报工作, 2018, 62(5): 68-75.

WEI Q Y, YAO Y, LI Y T. The empirical research on factors of WeChat library users' usage intentions[J]. Library and information service, 2018, 62(5): 68-75.

[69]
徐恺英, 崔伟, 洪旭东, 等. 图书馆移动阅读用户接纳行为影响因素研究[J]. 图书情报工作, 2017, 61(15): 43-50.

XU K Y, CUI W, HONG X D, et al. An empirical study on the factors of library mobile reading users' acceptance behavior[J]. Library and information service, 2017, 61(15): 43-50.

[70]
王哲. 社会化问答社区知乎的用户持续使用行为影响因素研究[J]. 情报科学, 2017, 35(1): 78-83, 143.

WANG Z. Research on the influencing factors of user continuous use behavior of Zhihu, a social Q&A community[J]. Information science, 2017, 35(1): 78-83, 143.

[71]
李武, 赵星. 大学生社会化阅读APP持续使用意愿及发生机理研究[J]. 中国图书馆学报, 2016, 42(1): 52-65.

LI W, ZHAO X. Understanding the continuance intention of social reading apps by college students[J]. Journal of library science in China, 2016, 42(1): 52-65.

[72]
杜运周, 刘秋辰, 程建青. 什么样的营商环境生态产生城市高创业活跃度？——基于制度组态的分析[J].管理世界, 2020, 36(9): 141-155.

DU Y Z, LIU Q C, CHENG J Q. What kind of business environment ecology produces high entrepreneurial activity in cities? analysis based on institutional configuration[J]. Journal of management world, 2020, 36(9): 141-155.

[73]
VENKATESH V, BROWN S A. Longitudinal investigation of personal computers in homes: adoption determinants and emerging challenges[J]. MIS quarterly, 2001, 25(1): 71-102.

[74]
GEFEN, D, KARAHANNA E, STRAUB D W. Trust and TAM in online shopping: an integrated model[J]. MIS quarterly, 2003, 27(1): 51-90.

[75]
BHATTACHERJEE A. Understanding information systems continuance: an expectation-confirmation model[J]. MIS quarterly, 2001, 25(3): 351-370.

[76]
杨思洛, 于永浩, 郑梦雪. 中国人文社科成果的国际影响力研究[M]. 北京: 中国社会科学出版社, 2022.

YANG S L, YU Y H, ZHENG M X. Research on the international influence of China's humanities and social sciences achievements[M]. Beijing: China Social Sciences Press, 2022.

Options
文章导航

/

〈 〉