Anwendung und Bewertung von Large-N QCA: Kausalität und Robustheit aus einer kritisch-realistischen Perspektive

Die Anwendung der qualitativen komparativen Analyse (QCA) auf große Ns entspannt das fallbasierte Wissen der Forscher. Dies ist problematisch, da die Kausalität in der QCA aus einem Dialog zwischen empirischem, theoretischem und fallbasiertem Wissen abgeleitet wird. Der Mangel an fallbasiertem Wissen kann durch verschiedene Robustheitstests behoben werden. Da QCA jedoch eine fallbasierte Methode ist, ist sie darauf ausgelegt, gegenüber solchen Tests sensitiv zu sein, was bedeutet, dass auch die Robustheitstests bei großen N in Bezug auf substantielles Wissen bewertet werden müssen. Dieser Artikel verbindet den substantiellen Interpretationsansatz der Kausalität von QCA mit dem kritischen Realismus. Aus dieser Perspektive identifiziert er relevante Robustheitstests und wendet diese auf eine echte Datenstudie mit großer N an. Die Ergebnisse der Robustheitstests werden in einer Robustheitstabelle visualisiert, und dieser Artikel entwickelt Kriterien, um sie substantiell zu interpretieren. Die Robustheitstabelle wird als Werkzeug eingeführt, um die Validität kausaler Behauptungen in Studien mit großer N in der QCA zu untermauern.