NCA的英文全称为Necessary Condition Analysis，中文称必要条件分析。必要条件是指某一特定结果产生所需的条件，如果该条件不存在就无法产生相应结果。该分析方法由荷兰鹿特丹管理学院的杜尔教授（Jan Dul）在 2016 年提出。

Dul（2016）开篇举一个例子来说明什么是必要条件以及重要性：一名学生如果想要被美国研究生院录取（结果条件），学生需要在研究生考试(GRE)考试中获得很高的分数：足够高的GRE分数对录取来说是必要的。必要条件并不一定是充分条件。 仅凭一个合格的GRE成绩是不能满足录取条件的，因为还有其他入学要求也在起作用(例如，学生的自荐信，良好的托福成绩，学生的大学课程成绩，推荐信等)。 但是，如果学生的GRE分数太低，就不会被录取，这与学生在其他方面的表现无关。 因此，一个必要条件是一种约束，一种障碍，一种瓶颈，必须被管理，以达到期望的结果。 每个单一的必要条件都必须到位，因为没有任何附加的因果条件可以补偿必要条件的缺失。

NCA通过分析前因条件的效应量（effect size）和瓶颈水平（bottle neck），定量地展示实现某一水平的结果变量所必须具备的前因条件水平，是对传统的充分性分析技术的有效补充。

对于Windows用户：点击http://cran.r-project.org/bin/windows/base/，下载R安装包。打开下载的R安装包并按照说明操作（接受所有默认值）。
对于OS X(Mac)用户：点击http://cran.r-project.org/bin/macosx/，下载适合OS X的正确R版本。同样打开下载R安装包并按照说明操作（接受所有默认值）。
安装好R，打开后的界面如下所示。

如下图所示，在红色箭头号后，输入代码
install.packages("NCA", dependencies = TRUE),敲Enter键，会跳出来右边的地址框，选中你所在的城市（图中选中的是广州），点击OK。

如下图所示，点击OK之后，界面会显示NCA软件包成功安装。

2.更新NCA软件包

如下图所示，在红色箭头号后，输入代码update.packages(),敲Enter键，会跳出更新确认框，点击是。

更新确认框会连续跳出很多次，一直点是即可。随后，可以看到更新完毕，跳出询问框，点击是。

3.激活和加载NCA包

如下图所示，在红色箭头号后，输入代码library(NCA)，敲Enter键。
每次启动R时都需要重复第三个小步骤，前面两个小步骤可以省略。

可以看到，NCA包成功导入R软件。

1.准备数据

去掉数据中的变量名、序号等，只保留要分析的数据（简单起见，本文只介绍这一种数据形式）。如下图所示，本文的实例数据的前九列为前因条件，最后一列是结果条件。

2.输入数据路径代码

本文的示例数据名称为NCA，格式为csv，文件在桌面，数据均已校准，路径代码为：data <- read.csv("C:\Users\10405\Desktop\NCA.csv",header = FALSE)。具体可以根据数据名称和路径不同，对该代码做相应的改动。

效应量是指产生特定结果需要必要条件的最低水平，取值范围为0~1之间，数值越趋近于1表示效应量越大，小于0.1则说明效应量很小。NCA包可以调用上限回归（ceiling regression，CR）技术分析连续变量和超过5级的离散变量，使用上限包络（ceiling envelopment，CE）技术分析二分变量和不到5级的离散变量。具体根据数据特征选择不同的分析技术，也可以同时汇报CR和CE的计算结果，比较结果的稳健性。基于Dul等（2020）给出的衡量标准，必要条件的效应量（d）需大于0.1且达到显著性水平（P<0.01）。
分析效应量与显著性的代码如下：
model<-nca_analysis(data,X,Y,ceilings="cr_fdh", test.rep=10000)
nca_output(model, test=TRUE)
其中，X是指前因条件，Y指结果条件；cr_fdh表示使用上限回归（ceiling regression，CR）技术分析；test.rep=10000表示重抽次数为10000次。
示例为前因条件X1对结果条件Y的必要性分析，分析方法为CR，如下图所示。

同理，将分析效应量与显著性的代码中的cr改为ce，分析方法换为CE，如下图所示。

以此对所有的前因条件进行必要性分析，将上述指标汇总后制表，如表1所示。综合来看，没有一个前因条件同时满足效应量和显著性两个要求。所以得出结论：X1-X9都不是结果条件Y的必要条件。

瓶颈水平（%）指达到结果最大观测范围的某一水平，前因条件最大观测范围内需要满足的水平值（%）。
瓶颈水平分析代码为：
model <- nca_analysis (data,c(X1:XN),Y)
nca_output(model, summaries=FALSE, bottlenecks=TRUE)
其中，X1：XN表示前因条件的范围，是第几列到第N列，Y表示结果条件。
示例中的数据，第一列到第九列为前因条件，第十列为结果条件，所以代码表示为：
model <- nca_analysis (data,c(1:9),10)
nca_output(model, summaries=FALSE, bottlenecks=TRUE)
程序会汇报使用CR和CE两种方法进行分析的瓶颈水平结果，如下图所示。

最后，将上述结果制表，如表2所示。要达到60%的Y水平，需要0.4%水平的X1、2.3%水平的X3、0.2%水平的X5、1.4%水平的X7，而X2、X4、X6、X8、X9不存在瓶颈水平。

参考资料：
1.DUL J, VAN D L E, KUIK R. A statistical significance test for necessary condition analysis [J].Organizational Research Methods,2020,23(2): 385-395.
2.Dul, J.Necessary Condition Analysis (NCA). Logic and methodology of 'Necessary but not Sufficient' causality[J]. Organizational Research Methods,2016,19(1)10-52.
3.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(09):141-155.