�ݺ�ߣ

Lương Vinh Quốc Duy
ĐÁNH GIÁ TÁC ĐỘNG
CHƯƠNG TRÌNH/DỰ ÁN
TỔNG QUAN

Vị trí của đánh giá tác động
2
Năm 0 Năm t
Thẩm định
dự án
Đánh giá tác động

Chương trình/Dự án có thể bao gồm những hoạt động sau
3
 Những can thiệp trực tiếp (Direct service interventions)
Ví dụ: vitamin A, muối I-ốt, sữa học đường
 Những cuộc vận động về ý thức trong cộng đồng
(Community mobilization efforts)
 Sáng kiến nghiên cứu (Research initiatives)
 Tác động vào chính sách (Advocacy work)
Ví dụ: Chính sách về lao động và tiền lương, Các chương trình
khuyến mãi của doanh nghiệp.
 Các khóa đào tạo/tập huấn (Training programs)
 Chính sách sản xuất – kinh doanh của doanh nghiệp.

Tác động của dịch bệnh
4
SỨC KHỎE
• Tuổi thọ trung bình (vĩ mô)
• Thời gian điều trị/mắc
bệnh đối với các bệnh
khác.
• Sức khỏe tinh thần
• …
KINH TẾ
• GDP (vĩ mô)
• Tỷ lệ thất nghiệp (vĩ mô)
• Lạm phát (vĩ mô)
• Năng suất lao động
• Thu nhập
• …

5
Đánh giá tác động (Impact evaluation): là hoạt động
nghiên cứu nhằm xác định những thay đổi trong phúc lợi
của đối tượng thụ hưởng có thực sự do chương trình/dự án
mang lại hay không. Nguyên lý cơ bản của đánh giá tác
động là so sánh giữa nhóm có tham gia (nhận/bị tác động)
từ chương trình/dự án và nhóm không tham gia (không
nhận/bị tác động) từ chương trình/dự án. Việc so sánh được
tiến hành dựa trên theo những chỉ tiêu mà người nghiên
cứu/nhà quản lý quan tâm.

Vì sao cần phải đánh giá tác động?
6
 Kiến thức
 Giúp cải thiện cách thiết kế và hiệu quả của dự án kế tiếp.
 Yếu tố kinh tế
 Hỗ trợ việc ra quyết định về phân bổ nguồn lực, chuyển nguồn lực
từ dự án kém hiệu quả sang dự án hiệu quả hơn  tăng phúc lợi xã
hội.
 Yếu tố xã hội
 Tăng cường tính minh bạch và sự tín nhiệm của xã hội.
 Thúc đẩy sự tiến bộ, sáng tạo.

Tổng quan các bước trong đánh giá tác động
7
 Bước 1: Xác định chỉ tiêu/biến dùng để đánh giá tác động,
đối tượng và số lượng quan sát trong mẫu nghiên cứu.
 Thảo luận và lựa chọn dựa trên khả năng về nguồn lực có
thể huy động
 Bước 2: Chọn phương pháp, cách tiếp cận
 Đây là trọng tâm của môn học
 Bước 3: Xây dựng kế hoạch
 Bước 4: Thực thi kế hoạch
 Bước 5: Viết báo cáo
Chú ý:
 Các bước trên có thể được thực hiện trước hoặc sau khi dự
án đã được triển khai (trừ Bước 5).
 Trong quá trình thực hiện Bước 1 và Bước 2 có thể được thảo
luận song song.

Bước 1: Xác định chỉ tiêu/biến dùng để đánh giá tác động,
đối tượng và số lượng quan sát trong mẫu nghiên cứu
8
 Biến đơn hướng/chiều (unidimensional)
 Biến đa chiều (multidimensional)

Bước 2: Chọn phương pháp, cách tiếp cận
9
 Phương pháp định lượng
 Kiểm định thống kê
 Kinh tế lượng
 Phương pháp định tính
 Phỏng vấn sâu

Nguyên lý so sánh trong đánh giá tác động
10
Trước dự án Sau dự án
So sánh theo
thời gian
CÓ tham gia
dự án
KHÔNG tham
gia dự án
So sánh theo
không gian

Nguyên lý đánh giá tác động
11
Trước dự án Sau dự án
So sánh theo
thời gian
CÓ tham gia
dự án
KHÔNG tham
gia dự án
So sánh theo
không gian

Làm thế nào để đo lường tác động?
12
Hình ảnh
quan sát
được bằng
mắt thường
Hình
ảnh
thực
Các yếu
tố gây
nhiễu
= +
Tác động của
chương
trình/dự án mà
có thể quan sát
hay ghi nhận
được
Tác
động
thực
Các yếu
tố gây
nhiễu
= +

Khó khăn chủ yếu trong đánh giá tác động
13
 Sự khác biệt về không gian địa lý, văn hóa, xã hội.
 Sự khác biệt về đặc điểm con người giữa nhóm tham gia dự
án và nhóm không tham gia dự án. Việc tham gia của con
người thông thường là tự nguyện nên không dễ chủ động
lựa chọn đối tượng để quan sát, đánh giá.
Hai hạn chế trên có thể làm sai lệch kết quả đánh giá.

Phương pháp Ngẫu nhiên
Randomization

Cách tiến hành phương pháp Ngẫu nhiên
15
Tập hợp các đối tượng đủ điều kiện
tham gia dự án
Mẫu dùng để đánh giá tác động
Nhóm tham gia dự án
(Treatment group)
Nhóm không tham gia dự án
(Comparison group)
Chọn ngẫu nhiên (lần 1)
Chọn ngẫu nhiên (lần 2)
So sánh kết quả giữa hai nhóm
Baseline
Năm gốc

16
1. Bạn A nghiên cứu về hành vi tuân thủ của nhân
viên trong doanh nghiệp A. Doanh nghiệp này có
1000 nhân viên. Mẫu nghiên cứu là 100. Bạn A
chọn phát 10 phiếu mỗi ngày cho bất kỳ nhân viên
nào trong doanh nghiệp mà bạn gặp và không
trùng lặp.
2. Bạn B nghiên cứu hành vi lựa chọn sản phẩm hữu
cơ của người tiêu dùng. Đối tượng nghiên cứu là
những khách hàng đến mua sắm tại siêu thị Y. Mẫu
nghiên cứu là 100. Mỗi ngày có khoảng 200-400
khách hàng đến siêu thị Y. Bạn B phát phiếu phỏng
vấn lần lượt mỗi ngày cho đến khi đủ 100 quan sát
là những khách hang chịu tham gia phỏng vấn.

Chú ý:
 Chọn mẫu ngẫu nhiên có thể tiến hành theo các
cách khác nhau:
 Ngẫu nhiên đơn giản (Simple randomization)
 Ngẫu nhiên phân tầng (Stratified
Randomization)
 Ngẫu nhiên phân cụm (Clustered
Randomization)

Ý nghĩa của việc lựa chọn ngẫu nhiên
18
Tập hợp các đối tượng đủ điều kiện
tham gia dự án
Mẫu dùng để đánh giá tác động
Nhóm tham gia dự án
(Treatment group)
Nhóm không tham gia dự án
(Comparision group)
Chọn ngẫu nhiên
(lần 1)
Chọn ngẫu nhiên
(lần 2)
So sánh kết quả giữa hai nhóm
External
Validity
Internal
Validity

Việc so sánh giá trị trung bình giữa hai nhóm độc lập
được phân nhóm từ phương pháp ngẫu nhiên, có thể
sử dụng cả Kiểm định thống kê và Kinh tế lượng
 Kiểm định thống kê: bao gồm kiểm định có tham số
(Parametric test) và kiểm định phi tham số (Non-
parametric test)
 Kinh tế lượng: hồi quy mô hình có dạng
Yi =  + Ti + ɛi

Trường hợp sử dụng Kiểm định thống kê

Trường hợp sử dụng Kiểm định thống kê
• Biến phân nhóm: là biến định tính có 2 thuộc tính.
• Biến so sánh giữa 2 nhóm: là biến định lượng dạng interval
(điểm số, nhiệt độ) hoặc ratio.
• Nguyên tắc chung là căn cứ vào giá trị p-value của kết quả
kiểm định để quyết định CHẤP NHẬN (không bác bỏ) hoặc
BÁC BỎ giả thuyết Ho. Vì vậy, cần chú ý nội dung Ho của
từng kiểm định.

Bước 1: Kiểm định dữ liệu trong biến so sánh giữa 2
nhóm có phân phối chuẩn hay không (Test for
normality)
• Có một số phương pháp kiểm định, trong đó kiểm định
được đánh giá tốt nhất là Shapiro-Wilk (Salkind, 2007) với
số quan sát cho mỗi nhóm là: 4  n  2000.
• Ghi chú: Nếu dữ liệu ở dạng log thì sử dụng kiểm định Shapiro-
Francia với số quan sát cho mỗi nhóm là: 5  n  5000.
• Nếu kiểm định Shapiro-Wilk kết luận dữ liệu trong biến so
sánh giữa 2 nhóm có phân phối chuẩn  Thực hiện Bước
2A (Kiểm định có tham số - Parametric test)
• Nếu kiểm định Shapiro-Wilk kết luận dữ liệu trong biến so
sánh giữa 2 nhóm không phân phối chuẩn  Thực hiện
Bước 2B (Kiểm định phi tham số - Non-parametric test)

Bước 2A: Kiểm định có tham số (Parametric test)
• Sử dụng kiểm định t cho trường hợp 2 mẫu độc lập
(Independent samples t-test)
• Chú ý kiểm tra phương sai của dữ liệu so sánh giữa 2 nhóm
có bằng nhau (đồng nhất) hay không vì mỗi trường hợp sẽ sử
dụng công thức hoặc câu lệnh riêng (tùy phần mềm).
• So sánh giá trị p-value trong kết quả kiểm định với mức ý
nghĩa  (1%, 5% hoặc 10% tùy theo đề tài) để ra quyết định
chấp nhận hay bác bỏ Ho.

Bước 2A: Kiểm định có tham số (Parametric test)
• Nếu giá trị p-value lớn hơn mức ý nghĩa  (1%, 5% hoặc
10%)  Chấp nhận Ho (không bác bỏ Ho)  KHÔNG có sự
khác biệt trong giá trị trung bình của biến so sánh giữa 2
nhóm.
• Nếu giá trị p-value nhỏ hơn mức ý nghĩa  (1%, 5% hoặc
10%)  Bác bỏ Ho  CÓ sự khác biệt trong giá trị trung
bình của biến so sánh giữa 2 nhóm. Khi đó, căn cứ vào giá trị
trung bình thực tế của biến so sánh giữa 2 nhóm để kết luận
giá trị trung bình của nhóm nào cao hơn.

Bước 2B: Kiểm định phi tham số
(Non-parametric test)
• Sử dụng kiểm định Mann-Whitney U Test (còn có tên là
Wilcoxon Rank-Sum Test)
• So sánh giá trị p-value trong kết quả kiểm định với mức ý nghĩa
 (1%, 5% hoặc 10% tùy theo đề tài) để ra quyết định chấp
nhận hay bác bỏ Ho.
• Nếu giá trị p-value lớn hơn mức ý nghĩa  (1%, 5% hoặc 10%)
 Chấp nhận Ho (không bác bỏ Ho)  KHÔNG có sự khác
biệt trong giá trị trung bình của biến so sánh giữa 2 nhóm.
• Nếu giá trị p-value nhỏ hơn mức ý nghĩa  (1%, 5% hoặc 10%)
 Bác bỏ Ho  CÓ sự khác biệt trong giá trị trung bình của
biến so sánh giữa 2 nhóm. Khi đó, căn cứ vào giá trị trung bình
thực tế của biến so sánh giữa 2 nhóm để kết luận giá trị trung
bình của nhóm nào cao hơn.

Cách viết lệnh trong R
• Thống kê giá trị trung bình theo nhóm
Lệnh: mean
• Shapiro-Wilk test và Shapiro-Francia test
Ví dụ: So sánh số người trong hộ giữa nhóm hộ chủ hộ là nam và
nhóm chủ hộ là nữ
famsize: số người trong hộ
genderhead: giới tính của chủ hộ (1: nam, 0: nữ)
Kiểm tra tính phân phối của dữ liệu với nhóm chủ hộ là nam
Kiểm tra tính phân phối của dữ liệu với nhóm chủ hộ là nữ
shapiro.test(mydata$age[mydata$group == mã số nhóm])
sf.test(mydata$X[mydata$group == mã số nhóm]) (sử dụng
package nortest)

Cách viết lệnh trong R
• Kiểm định phi tham số
wilcox.test(famsize ~ genderhead, data = data_demo)
• T-test
Kiểm định phương sai
var.test(famsize ~ genderhead, data = data_demo)
So sánh trung bình
t.test(famsize ~ genderhead, data = data_demo, var.equal = TRUE)
t.test(famsize ~ genderhead, data = data_demo, var.equal = FALSE)

Trường hợp sử dụng Kinh tế lượng

Trường hợp sử dụng Kinh tế lượng
29
Hồi quy OLS
Yi =  + Ti + ɛi
Y: Chỉ tiêu cần so sánh giữa hai nhóm
T: 1 là nhóm có tham gia dự án; 0 là nhóm không tham gia
dự án
Ghi chú: vế phải của phương trình có thể thêm vào các biến
độc lập khác trên cơ sở dựa vào những lý thuyết/nghiên cứu
có liên quan

Chọn mẫu theo xác suất
31
Tổng thể (N)
Mẫu (n)
Thông tin từ mẫu có
thể sử dụng để kết
luận cho tổng thể

Chọn mẫu phi xác suất
32
Tổng thể (N)
Mẫu (n1)
Mẫu (n2)
Mẫu (n3)
Thông tin từ mẫu không
thể sử dụng để kết luận
cho tổng thể N

Ý nghĩa của việc lựa chọn ngẫu nhiên
 External Validity: Kết quả đánh giá dựa trên nhóm
mẫu này cũng sẽ giống với kết quả đánh giá dựa trên
nhóm mẫu khác.
 Internal Validity: Kết quả tác động là kết quả thực,
loại trừ các yếu tố gây nhiễu.

Khi nào có thể thực hiện phương pháp Ngẫu nhiên
 Khi tập hợp những đối tượng đủ điều kiện tham gia dự
án > số lượng cần thiết/khả năng đáp ứng của dự án.
 Khi dự án dự kiến sẽ được thực hiện lần lượt đối với
tất cả các đối tượng đủ điều kiện tham gia.
 Ví dụ: có 1000 người đủ điều kiện tham gia dự án hỗ trợ
bảo hiểm y tế. Do giới hạn ngân sách nên dự án chia
thành 5 đợt, mỗi đợt hỗ trợ 200 người.

Hạn chế của phương pháp Ngẫu nhiên
 Khó kiểm soát hành vi của nhóm tham gia (treatment
group) và không tham gia (comparison group) trong
các dự án xã hội vì không thể tạo ra một môi trường có
kiểm soát nghiêm ngặt như trong phòng/trung tâm thí
nghiệm.
Hành vi của thành viên trong nhóm tham gia dự án
(treatment group) có thể hành động khác với thông
thường khi biết rằng mình đang “được”/”bị” theo dõi.
 Khía cạnh đạo đức.

Phương pháp Biến công cụ
Instrumental Variables

Trường hợp không thể áp dụng phương pháp Ngẫu
nhiên:
37
 Sự lựa chọn địa điểm triển khai dự án là có chủ ý ngay
từ ban đầu.
 Người dân tự quyết định mình thuộc nhóm tham gia
hay không tham gia dự án.
 Lý do dẫn đến sự lựa chọn có thể quan sát hoặc không
quan sát được.
 Có thể xuất hiện hiện tượng nội sinh (endogeneity)
 Phương pháp biến công cụ: Instrumental Variables

Cách tiến hành
38
Hồi quy OLS
Yi =  + Ti + Xi + ɛi
Y: Chỉ tiêu cần so sánh giữa hai nhóm.
T: 1-nhóm có tham gia dự án; 0-nhóm không tham gia dự
án
X: Những biến độc lập có ảnh hưởng đến Y được thu thập
từ cả 2 nhóm. Việc xác định các biến X cần dựa trên kinh
nghiệm, những nghiên cứu có liên quan.

Cách tiến hành đánh giá tác động
39
Giả sử mô hình hoàn hảo là:
Yi =  + Ti + Xi + Zi + Wi
Nhưng trong thực tế chỉ quan sát, thu thập được:
Yi =  + Ti + Xi + ɛi , trong ɛi có Zi và Wi

Vấn đề phát sinh trong mô hình
40
Yi =  + Ti + Xi + ɛi (mô hình gốc)
 Việc lựa chọn địa điểm dự án là có mục đích.
 Lý do dẫn đến trạng thái tham gia hay không tham
gia dự án có thể quan sát được hay không quan sát
được
Vì vậy, Ti = f(Zi , với Z là các biến ảnh hướng đến trạng
thái có hoặc không tham gia dự án của cả 2 nhóm)
 Cov (T,)  0  ảnh hưởng độ tin cậy của kết quả
hồi quy

Sử dụng biến công cụ: Hồi quy 2 giai đoạn
41
 Phương pháp sử dụng biến công có mục tiêu là làm
sạch tương quan giữa T và . Để làm được điều này, ta
cần tìm được một biến công cụ, ký hiệu là Z, thỏa mãn
các điều kiện sau:
1. Tương quan với T: cov(Z,T) ≠0
2. Không tương quan với : cov(Z,) = 0
 Như vậy, về lý thuyết, biến công cụ Z chỉ ảnh hưởng
đến yếu tố lựa chọn tham gia chương trình nhưng
không có liên hệ với những yếu tố ảnh hưởng đến kết
quả Y.

Sử dụng biến công cụ: Hồi quy 2 giai đoạn
42
 Hồi quy giai đoạn 1:
Ti = 0 + Zi + Xi + ui , trong đó Z là (các) biến công cụ, chỉ
tác động đến T, không tác động đến Y. X là các biến độc
lập trong mô hình mà Y là biến phụ thuộc
Tính giá trị từ kết quả hồi quy.
 Hồi quy giai đoạn 2:
Hồi quy mô hình chính: Yi = 0 +  + Xi + i ( thay thế
Ti trong mô hình gốc). Xi có thể giống hoặc khác với mô
hình ở giai đoạn 1. Kết quả tác động thể hiện bởi hệ số .
i
T
^
i
T
^
i
T
^

Kiểm định tính phù hợp của biến công cụ (Z)
43
Kết quả tính toán từ R có trình bày các thông số liên quan
đến kiểm định về tính phù hợp của biến công cụ. Nổi tiếng
nhất là kiểm định Wu-Hausman.
 Nếu kết quả p-value của kiểm định Wu-Hausman là bác bỏ
Ho  có hiện tượng nội sinh trong mô hình gốc  việc
chọn biến công cụ là phù hợp.
 Nếu kết quả p-value của kiểm định Wu-Hausman là chấp
nhận Ho  không có hiện tượng nội sinh trong mô hình
gốc  việc chọn biến công cụ là không phù hợp.

Thủ thuật trong R
44
 Cài đặt:
install.packages("ivreg", dependencies = TRUE)
 Khởi đội nhóm lệnh có liên quan
library(ivreg)

45
modelling <- ivreg(Y ~ Xs | T | Zs, data = tên tập tin chứa dữ
liệu)
summary(modelling)
Ghi chú:
 modelling thuần túy là tên và có thể đặt tên theo tùy ý người sử
dụng (miễn không trùng với những tên của function khác, ký tự
bị hạn chế).
 Y , Xs , và Zs là các biến sử dụng trong mô hình. Nếu chỉ sử
dụng 1 biến công cụ thì chỉ ghi 1 biến Z. Nếu sử dụng 2 biến
công cụ trở lên, thêm dấu cộng (+) và biến Z2 , và tương tự như
thế khi có thêm biến công cụ

46
Ghi chú:
 Số lượng biến X và biến công cụ Z được xác định trên cơ sở
những nghiên cứu trước, những nghiên cứu có liên quan.

47
Ví dụ: Đánh giá tác động của dự án tín dụng vi mô (tín dụng
cho người có thu nhập thấp). Có nghiên cứu cho rằng đôi khi
các hộ ở gần tổ chức tín dụng hơn có thể có động lực tham gia
dự án nhiều hơn. Nhận diện các thông số:
 Y: Tổng chi tiêu bình quân/người của hộ
 T: biến phân nhóm: credit_m (tín dụng vi mô dành cho
nam), credit_f (tín dụng vi mô dành cho nữ)
 X: tuổi chủ hộ, giới tính chủ hộ, số năm đi học của chủ hộ,
số người trong hộ
 Z (biến công cụ): việc di chuyển từ nhà đến cơ sở tín dụng
gần nhất có thuận tiện hay không.

Hạn chế của phương pháp Biến công cụ
48
 Việc xác định biến công cụ phù hợp không phải lúc nào
cũng dễ dàng.
 Kiến thức kinh tế lượng.

Phương pháp So sánh điểm
xu hướng
Propensity Score Matching

Vai trò của phương pháp So sánh điểm xu hướng (PSM)
50
 Giả sử dự án dự án hỗ trợ bảo hiểm y tế không xây dựng cơ sở dữ
liệu cho nhóm tham gia (treatment group) và nhóm không tham gia
(comparison group) trước khi triển khai vì lý do kinh phí, thời gian,
nhân lực… Nhưng sau khi dự án triển khai một thời gian, ban quản lý
muốn đánh giá tác động của dự án đối với đối tượng thụ hưởng.
 Trong hoàn cảnh này, nhóm tham gia (treatment group) đã có sẵn,
cần xác định nhóm không tham gia (comparison group) tương
đồng để so sánh.
 Việc áp dụng phương pháp Ngẫu nhiên lúc này là hoàn toàn không
khả thi. Ngoài ra, việc xác định biến công cụ phù hợp không phải
lúc nào cũng thuận lợi.

Vai trò của phương pháp So sánh điểm xu hướng (PSM)
51
 Phương pháp Ngẫu nhiên, về lý thuyết vẫn là một phương pháp đánh
giá tác động hoàn thiện. Tuy nhiên, khi không thể chọn mẫu ngẫu
nhiên thì giải pháp tốt nhất kế tiếp (the second-best alternative) là tìm
cách xây dựng nhóm so sánh (comparison group) càng gần giống với
nhóm can thiệp (treatment group) xét trên các đặc tính quan sát được.
 Phương pháp PSM là một giải pháp phù hợp để tạo ra 2 nhóm này
giống nhau dựa trên đặc điểm thống kê (statistically similar).
 Việc tạo 2 nhóm tương đồng để so sánh dựa vào mô hình logit

Mô hình hồi quy logit vs. Mô hình hồi quy tuyến tính
52
 Biến phụ thuộc
Mô hình tuyến tính: biến phụ thuộc là biến liên tục.
Mô hình logit: biến phụ thuộc là biến rời rạc
 Phương pháp hồi quy
Phương pháp OLS
Maximum Likelihood
Ví dụ: biến T là biến phân nhóm với hai giá trị 1
(nhóm trong dự án) và 0 (nhóm ngoài dự án). Kết
quả hồi quy của hai phương pháp này sẽ khác nhau.

Mô hình hồi quy logit vs. Mô hình hồi quy tuyến tính
53

Đánh giá tác động của phương pháp PSM khi việc
tham gia vào dự án là không ngẫu nhiên
54
CÓ tham gia
dự án
KHÔNG tham
gia dự án
So sánh

55
CÓ tham gia
dự án
KHÔNG tham
gia dự án
So sánh
Đánh giá tác động của phương pháp PSM khi việc
tham gia vào dự án là không ngẫu nhiên

Các bước thực hiện So sánh điểm xu
hướng (PSM) với sự hỗ trợ của phần
mềm R
56

57
Ví dụ: Đánh giá tác động của BHYT đối với tổng chi
tiêu cho y tế (giá trị ròng) của hộ bằng phương pháp
PSM. Các thông số được cho sẵn như sau:
 Y: tổng chi tiêu cho y tế bình quân/ người của hộ
 T: biến phân nhóm: insurance
 Z: tuổi chủ hộ, giới tính của hộ, bằng cấp cao nhất của
chủ hộ, sự tham gia vào xã hội của hộ, khoảng cách
đến cơ sở y tế nhà nước gần nhất

Bước 1: Chuẩn bị các thông số
58
 Biến phụ thuộc: T , mang giá trị 1 tương ứng với quan sát thuộc
nhóm tham gia dự án (treatment group) và giá trị 0 tương ứng với
quan sát thuộc nhóm không tham gia dự án (comparison group)
 Biến độc lập (Z): tập hợp những biến đại diện cho các nhân tố
ảnh hưởng đến quyết định tham gia hay không tham gia vào dự án
của cả 2 nhóm (hoặc các nhân tố ảnh hưởng đến trạng thái
có/không tham gia dự án). Việc xác định các biến độc lập có thể
dựa trên kinh nghiệm, lý thuyết hoặc các nghiên cứu trước đây.
 Biến (Y): dùng để so sánh, đánh giá tác động của chương trình/dự
án

Bước 2: Tạo hai nhóm tương đồng
59
 Cài đặt và khởi động nhóm câu lệnh MatchIt
install.packages("MatchIt")
library(MatchIt)

60
modelling <- matchit(T ~ Zs, data = mydata, method =
"nearest", distance = "glm", ratio=1)
Giải thích:
nearest  nearest neightbours
distance = "glm“  hồi quy logit
ratio = 1: so sánh 1:1, nếu ratio=2, 3, 4…  so sánh 2,
3, 4… quan sát của nhóm ngoài dự án với 1 quan sát của
nhóm trong dự án
summary(modelling)  hiển thị kết quả tạo nhóm
tương đồng

61
Lưu 2 nhóm tương đồng dùng để phân tích/so sánh ở
Bước 3
m.data <- match.data(modelling)

Ghi chú về những lựa chọn trong phân tích ở Bước 2
62
 Chọn lựa cách so sánh
 So sánh cận gần nhất (Nearest neighbour matching)
 So sánh trong phạm vi hay bán kính (Radius matching)
 So sánh phân tầng hay khoảng thời gian (Stratification matching)
 So sánh hạt nhân và tuyến tính tại chỗ (Kernel and local-linear matching)
 Nguyên tắc so sánh
 Có thay thế hoặc không thay thế
 Có trọng số hoặc không có trọng số
 Số lượng quan sát trong từng nhóm so sánh.
 Tuy nhiên, không có cơ sở khẳng định cách so sánh và nguyên tắc
so sánh nào tốt nhất. Việc lựa chọn sẽ tùy vào từng hoàn cảnh cụ
thể. Nearest neighbour matching thường được chọn với mẫu
không thay thế.

Bước 3: So sánh chỉ tiêu quan tâm (Y) giữa hai nhóm
tương đồng được tạo ở Bước 2
63
Có 2 cách so sánh chỉ tiêu Y giữa hai nhóm
 Kiểm định thống kê t-test cho 2 mẫu độc lập (Independent sample
T-test)
 Hồi quy tuyến tính với dạng hàm
Yi =  + Ti + Xi + ɛi
Y: Chỉ tiêu cần so sánh giữa hai nhóm.
T: 1-nhóm có tham gia dự án; 0-nhóm không tham gia dự án
X: Những biến độc lập có ảnh hưởng đến Y được thu thập từ cả 2
nhóm. Việc xác định các biến X cần dựa trên kinh nghiệm, những
nghiên cứu có liên quan.

Nhận xét về phương pháp So sánh điểm xu hướng (PSM)
64
 Điểm mạnh:
 Thường được đánh giá là phương án tốt thứ hai (second-best
alternative) sau phương pháp Ngẫu nhiên.
 Tính khả thi cao vì có thể áp dụng bất kỳ lúc nào sau khi đã triển
khai dự án mà không cần phải có dữ liệu thời kỳ gốc (baseline
data).
 Phương pháp hồi quy dành cho logit và probit cho kết quả tính
toán xác suất tốt hơn OLS.

Nhận xét về phương pháp So sánh điểm xu hướng (PSM)
65
 Hạn chế:
 Cần số quan sát đủ lớn để bù đắp số quan sát bị hao hụt trong quá
trình so sánh điểm xu hướng.
 Kiến thức kinh tế lượng.

Phương pháp khác biệt trong
khác biệt
Diffence in Diffences

Nguyên lý của phương pháp Khác biệt trong khác biệt
(DID)
67
 Bước 1: Tính toán khác biệt trong kết quả (Y) của nhóm Có tham gia
dự án (treatment group) trước và sau khi dự án được thực hiện.
 Bước 2: Tính toán khác biệt trong kết quả (Y) của nhóm Không tham
gia dự án (control group) trước và sau khi dự án được thực hiện.
 Bước 3: Sau đó tính toán sự khác biệt giữa kết quả của Bước 1 và
Bước 2. Đây chính là tác động của chương trình ước lượng được dựa
vào phương pháp Khác biệt trong khác biệt (DID).
 Nguyên lý này được thể hiện trong mô hình kinh tế
lượng dành cho dữ liệu bảng

Nguyên lý của phương pháp Khác biệt trong khác biệt
(DID)
68
(Treatmentt – Treatment0) – (Controlt – Control0)
Treatment: nhóm nhận tác động (trong dự án)
Control: Nhóm không nhận tác động (ngoài dự án)

Dạng hàm như sau:
69
 Xit: các biến độc lập
 T: mang giá trị 0 cho năm gốc và 1 cho năm đánh giá
tác động
 D: mang giá trị 0 cho nhóm Không tham dự án và 1
cho nhóm Có tham gia dự án
 T.D : biến tích chéo (nhân) giữa T và D. Hệ số hồi quy
tương ứng với biến này chứa tác động của dự án theo
phương pháp Khác biệt trong khác biệt (DID)

Dạng hàm như sau:
70
 Việc ước lượng có thể áp dụng hồi quy theo fixed
effects.
 Để gia tăng sự tương đồng trong kết quả so sánh, có
thể kết hợp một phần với phương pháp PSM để tạo 2
nhóm tương đồng trước khi phân tích DID.
 Trong trường hợp số quan sát lớn và số liệu phân tán
rộng: có thể chia thành các nhóm nhỏ hơn để phân
tích (ví dụ: tứ phân vị)

Câu lệnh trong R
71
install.packages ("plm")  chỉ cài 1 lần
library(plm)  khởi động mỗi khi hồi quy
fixed<-plm(Y~ T*D + X,data=mydata, index=c("id",
"year"), model="within")
id: biến nhận diện quan sát
year: biến thời gian

�ݺ�ߣ

Danh gia tac dong 2024 các phương pháp định lượng.pptx

Recommended

More Related Content

Similar to Danh gia tac dong 2024 các phương pháp định lượng.pptx (20)

Danh gia tac dong 2024 các phương pháp định lượng.pptx