A p-value for Process Tracing and other N=1 Studies
用于过程追踪与其他单案例研究的 p 值AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确针对质性研究中的因果假说检验、竞争理论比较及观察偏差敏感性分析，因此归入因果推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
用于过程追踪与其他单案例研究的 p 值
- 研究问题
- 无法随机化历史过程的单案例质性研究，如何衡量支持某一因果理论的证据在竞争理论下出现的可能性？
- 方法与思路
- 作者改造 Fisher 随机化 urn 模型来计算 p 值，结合证据强弱表示和观察偏差敏感性分析，并用模拟及既有研究复现演示。
- 材料陈述的贡献
- 摘要称，该方法为过程追踪提供可执行的概率检验框架，在少量假设下具有可证明的保守性，并能评估证据稳健性。
- 阅读关注点
- 应核对竞争理论怎样生成观察概率、证据强度如何编码，以及保守性证明和敏感性分析依赖哪些可检验或主观设定。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收未核实；摘要未列明假设及证据依赖结构，不能据此确认任意单案例分析的有效性。
原文摘要
We introduce a method for calculating \(p\)-values to test causal hypotheses in qualitative research \emph{a la} process tracing. As in an experiment, our \(p\)-value tells us how often one would make the same or more compelling observations favoring one theory while entertaining a rival theory. We adapt Fisher's (1935) randomization-based urn model to the reality of qualitative researchers, who cannot randomize history, but can make observations about historical processes. Our test includes a method of sensitivity analysis which allows researchers to account for the possibility of observation bias, as well as a framework for representing the varying strenght of individual pieces of evidence, altoguether informing the robustness of qualitative causal inefernce. We provide simulations and replications of previously published work to illustrate how to execute our test using any type of qualitative data about events that took place within one case. This approach adds to the pluralistic turn in the use of probability theory in theory-testing process tracing by offering a simple model with provable conservatism, while relying on few assumptions the consequences of which can be directly assessed.