针对收集和编码的一手研究数据，本书采用HCA进行分析。HCA是一种定性和定量相结合的混合方法研究（Mixed Methods Research），目的是从整体或更高层次上把握文本内容的复杂内涵，得出科学、符合事实的结论，获得一般从定性分析中难以找到的联系和规律。HCA包含三个步骤：第一步主要对原始数据资料的定性内容进行分析，以辨认主题维度（Thematic Dimensions），第二步主要对所获取的主题维度进行定量分析，以发现背后的逻辑结构，第三步主要以定性分析的方式解读和改进第二步的逻辑结构，以得出最终的研究结论（Bergman，2010）。

基于此，本书的具体数据分析过程也分为三步。

在第一步的分析中，本书采用内容结构分析法（Content Configuration Analysis）（Bergman、Bergman和Gravett，2011）以辨认和概括文本资料中关于监管行为特征的主题内容，整个分析过程分为开放式编码、选择性编码和理论性编码三部分。在开放性编码中，我们对收集的所有访谈内容以逐行、逐句以及逐段编码的形式来提取相应概念，尽可能使用研究对象自己表达出的一些独特词语作为反映监管行为特征的观点，从20例访谈资料中共抽取196个初始概念（见表3−2）。在选择性编码中，我们在开放性编码所获初始条目的基础上，更加有指向性和选择性地来筛选条目，以提取内容条目和主题维度，通过对开放性编码中的196个概念进行筛选、合并、分类，并在编码完成后对一致性进行检查，经过讨论达成一致意见。最终，我们共提取出关联度较高的26个内容条目，并进一步合并、分类为9个主题维度，即过度式监管、松懈式监管、选择式监管、失时式监管、盲目式监管、非协调式监管、不透明式监管、教条式监管和随意式监管（见表3−3）。在理论性编码中，经过对选择性编码之间的关系比较、所抽取概念与监管事件之间的不断比较来最终构建出监管行为特征的构思模型。

表3−2　研究对象A的开放式编码示例

表3−3　选择性编码结果

续表

(www.daowen.com)

在第二步的分析中，本书采用了多维尺度分析法（Multi-Dimensional Scaling，MDS）对九种监管行为特征背后的逻辑结构进行分析。MDS是一种探索性数据分析技术，通过将含有多个变量的数据压缩到一个低维空间并形成直观的空间图形以展示变量之间隐藏的结构关系，空间图形中的每个点就代表不同的变量，点与点之间的距离则表示变量之间的潜在规律性关系。在具体的研究中，本书参考了Eck和Waltman（2009）的研究，用关联强度（Association Strength）来计算不同监管行为特征间的距离，即：

其中，SA为任意两个变量的关联强度，cij为两个变量共现的次数，si和sj分别为两个变量的出现次数。据此计算出的相似性矩阵如表3−4所示。

表3−4　九种监管行为特征的相似性矩阵

续表

当计算出所有变量之间的关联强度后，在SPSS19.0中输入相似性矩阵并运行Multi-Dimensional Scaling（PROXSCAL）程序，最终得出9种监管行为特征的空间关系图。

在第三步的分析中，本书通过对CCA分析结果进行再分析以更好地理解MDS分析所得出的结果，并借此对9种监管行为特征背后的逻辑结构有了更为深刻的理解。