﻿STERGM–fsQCA真实观测值加权SHAP分析：方法与解释边界
==========================================================

一、这次与旧版的区别
旧版通过10%–90%或25%–75%分位数构造完整、中性和相反情景。
本版不再构造高低情景，而是直接使用每个真实风险dyad的STERGM预测概率。

二、路径概率
路径加权概率 = Σ(路径隶属度 × dyad预测概率) / Σ路径隶属度。
路径增量 = 路径加权概率 − 同一匹配样本的平均预测概率。
因此结果不依赖10%、25%、75%或90%等人工锚点。

三、SHAP贡献
单个dyad SHAP参考向量使用：median。
程序枚举7个STERGM变化统计量的全部128种coalition，得到概率尺度精确Shapley值。
路径贡献使用“路径加权平均SHAP − 样本平均SHAP”，所以各机制贡献之和严格等于路径增量。

四、fsQCA路径隶属度
形成阶段：两个端点节点路径隶属度使用 mean 映射为dyad权重，且只保留两个端点都能匹配的dyad。
维系阶段：使用原始最终dyad校准隶属度直接匹配；1116个STERGM维系dyad中，1113个与fsQCA案例匹配。
路径权重直接使用0–1模糊隶属度，不把低于0.5的案例强制删除。

五、Bootstrap
按dyad聚类抽样，重复500次，随机种子=20260617。
同一dyad跨时期的记录在bootstrap中作为一个聚类处理。

六、解释边界
这些结果是最终STERGM概率函数的事后解释，不是重新估计的联合模型。
形成阶段从节点fsQCA映射到dyad是跨方法桥接假设，论文必须说明端点平均映射。
路径加权预测概率不是fsQCA一致性，也不是现实成功率。
SHAP贡献表示模型预测层面的分解，不自动等同于因果效应。

七、结果概览
F1: baseline=0.0381, path=0.0863, increment=+4.819 pp, 95% CI=[+4.373, +5.282] pp.
F2: baseline=0.0381, path=0.0562, increment=+1.807 pp, 95% CI=[+1.593, +2.026] pp.
P1: baseline=0.7519, path=0.8376, increment=+8.577 pp, 95% CI=[+7.449, +9.727] pp.
P2: baseline=0.7519, path=0.8285, increment=+7.667 pp, 95% CI=[+6.403, +8.689] pp.
P3: baseline=0.7519, path=0.7751, increment=+2.321 pp, 95% CI=[+1.073, +3.542] pp.

输入目录：
C:\Users\ACER\Desktop\无人机专利数据_核心保留

输出目录：
C:\Users\ACER\Desktop\无人机专利数据_核心保留\06_联动分析_真实观测SHAP
