O primeiro procedimento para aplicação da ACQ consiste em selecionar atributos que, de acordo com a teoria64, podem causar o resultado de interesse para, então, usá-los na construção do espaço-propriedade – também chamado de “tabela-verdade” – a partir do qual serão feitas as análises (Greckhamer et al., 2008). Um espaço-propriedade é formado por todas as combinações possíveis (do ponto de vista lógico) de atributos causais, incluindo tanto aquelas que são empiricamente observadas quanto aquelas que não o são (Greckhamer et al., 2008). Sua fundamentação encontra-se nos princípios configuracionais da abordagem de espaço-propriedade para construção de tipologias (e.g. Lazarsfeld, 1937 apud Greckhamer et
62
Property space, em inglês.
63 I.e., output, em inglês.
al., 2008), os quais fornecem um meio de se constituir uma população de casos relevantes e
de se proceder a análises comparativas que preservem e capturem a complexidade e a interdependência dos fatores causais que dão embasamento aos resultados (Greckhamer et al., 2008).
Um desses princípios é o de que a integridade dos casos tem de ser mantida durante a análise, sendo necessário examinar, conjuntamente, os diversos aspectos de cada caso (Ragin, 2000), conforme preconiza a teoria configuracional (e.g. Meyer et al., 1993). Outro princípio da abordagem de espaço-propriedade é o de que uma única diferença entre os casos já é suficiente para estabelecer uma distinção de espécie, sendo, portanto, o caráter de qualquer caso particular alterado qualitativamente desde que um único de seus atributos seja mudado (Greckhamer et al., 2008).
Um terceiro princípio é o de que
Any given set of theoretically relevant attributes constitute a property space such that each combination of attributes represents a specific location within the space and each location potencially constitutes a difference in kind. A configuration is defined as any logically possible combination of these attributes, and the property space is constituted by all logically possible configurations. QCA therefore may be utilized to map the logically possible configurations (i.e. the property space) of a priori selection of theoretically relevant causal attributes underlying an outcome, and the empirically observed and unobserved configurations within this space (Kogut & Ragin, 2006), thereby enabling an analysis of the determinants of an outcome that maintains the integrity of the potential causal complexity underlying each case. (Greckhamer et al., 2008, p. 699; grifos acrescentados).
Tabela 1 – Exemplo de parte de um espaço-propriedade
Fonte: Reproduzido de Greckhamer et al. (2008, p. 704)
Essa tabela-verdade provém de um estudo realizado por Greckhamer et al. (2008) acerca das combinações dos efeitos da indústria, da corporação e do negócio sobre o desempenho do negócio. A amostra selecionada incluiu 2.841 casos (i.e. unidades de negócio), compreendendo 184 indústrias e 2.451 corporações.
A Tabela 1 apresentada representa parte do espaço-propriedade construído para os casos pertencentes ao setor de manufatura, tendo sido as configurações classificadas em ordem decrescente da frequência do número de casos observados a elas correspondentes. Assim, como mostra a Tabela 1, até a 28ª configuração, todas as configurações tinham sido empiricamente observadas, variando, contudo, o número de casos correspondentes (e.g. 96 na 1ª configuração e 15 na 28ª). Portanto,
A configuration is a given combination of some conditions and an outcome. A specific configuration may correspond to several observed cases. (Rihoux, 2008, p. 683).
Entretanto, se tivesse sido reproduzido o espaço-propriedade completo, seria possível constatar que da configuração número 108 à última (i.e. 128) não houve observação empírica
correspondente – apesar de a configuração ser logicamente possível (Greckhamer et al., 2008).
Justifica-se que o número total de configurações é 128, pois, como revela a Tabela 1, foram considerados 7 atributos causais (e.g. i.dynamic). Assim, como o espaço-propriedade é booleano e a diferença em um único atributo causal já é condição suficiente para a determinação de uma nova configuração de diferente espécie, a tabela-verdade constitui-se, neste exemplo, de 27 configurações, totalizando as 128 representadas. Dessa forma, cada uma dessas configurações representa uma localidade específica nesse espaço, na qual casos ocorrem (Greckhamer et al., 2008).
A definição dessa ocorrência se dá, portanto, a partir da atribuição dicotômica de membresia aos conjuntos estipulados (i.e. crisp sets), estabelecendo membresia ou não membresia como os dois estados possíveis, mutuamente excludentes. Dessa forma, para qualquer dos atributos causais estabelecidos, uma configuração é dita “membro do conjunto” relativo a esse atributo caso a variável booleana que relaciona a configuração ao atributo em questão seja igual a um (1) e não membro, caso contrário (i.e. igual a zero). Portanto, o enfoque da abordagem é na identificação de diferenças qualitativas de membresia (Greckhamer et al., 2008).
Assim, a membresia em relação a cada atributo dos casos correspondentes a cada configuração pode ser avaliada a partir da tabela-verdade. Nesse sentido, para o conjunto definido pelo atributo causal “competitividade da indústria” (i.e. i.competitive), por exemplo, uma observação empírica será membro caso corresponda a uma configuração para a qual
i.competitive=1 e não-membro caso i.competitive=0. Portanto,
[...] Each theoretically relevant causal attribute is considered to be a domain in which a case could have membership, and the researcher is required to assess each case’s membership in each of these domains or sets. Thus, each case may be a member of multiple sets, and resulting membership combinations are compared and constrasted to identify the decisive patterns of similarity and difference that consequently provide the basis for constructing causal arguments (Kogut & Ragin, 2006) (Greckhamer et al., 2008, p. 700).
Visando controlar a arbitrariedade na atribuição do valor de determinada variável booleana para determinado atributo causal para determinado caso, faz-se necessário explicitar, para cada variável, a maneira pela qual serão calibrados os pontos de quebra (i.e. breakpoints) em relação aos quais será estabelecida a regra para atribuição do valor 1 ou 0:
Because this methodological strategy aims at identifying differences in kind, it becomes important to calibrate breakpoints that properly assign membership of cases as being either in or out the relevant sets. (Greckhamer et al., 2008, p. 700).
Essa calibração deve ser feita com base na teoria relacionada e no conhecimento empírico dos dados obtidos, a fim de estabelecer pontos de quebra que capturem as diferenças de espécie e que sejam dotados de sentido tanto do ponto de vista teórico quanto prático (Ragin, 1987, 2000). Dessa forma, para o atributo “intensidade de capital corporativo” (i.e.
c.cap.intense), por exemplo, a razão anual entre o valor líquido de propriedade, planta e
equipamento e o número de empregados foi a forma de mensuração adotada, com base em Hill & Snell (1989 apud Greckhamer et al., 2008). Dado o não balanceamento (i.e. alta
skewness) da distribuição obtida, o ponto de quebra para definição da membresia no conjunto
relativo a esse atributo foi estabelecido como a mediana dos valores mensurados. Assim, para as unidades de negócio observadas que estavam acima da mediana, fez-se c.cap.intense=1 e, para as demais, o contrário (i.e. c.cap.intense=0). Dessa forma,
[...] QCA allows for each attribute to be uniquely calibrated in a manner that best captures a difference in kind for the particular set membership, guided by relevant theory and its occurrence in empirical reality. (Greckhamer et al., 2008, p. 700).
O mesmo processo é feito não apenas para os demais atributos causais, mas também para o resultado considerado. Assim, foram classificadas como pertencentes ao conjunto de desempenho superior as unidades de negócio para as quais o retorno sobre ativos foi superior ao retorno médio sobre ativos, considerando-se os casos amostrados (Greckhamer et al., 2008). Arrazoamento análogo foi feito para o estabelecimento do ponto de quebra relativo ao grupo de desempenho inferior.
Dessa forma,
[...] each case displays a specific combination of conditions (with 0 or 1 values) and an outcome (with 0 or 1 values). (Rihoux, 2006, p. 683).
Assim, sendo o objetivo da abordagem da ACQ identificar as condições causais comuns, subjacentes a um resultado particular, pelo exame dos atributos dos casos que exibem esse resultado, o espaço-propriedade é uma representação a partir da qual esse objetivo pode ser operacionalizado (Greckhamer et al., 2008).