Đánh giá tác động: các phương pháp và ứng dụng trong lĩnh vực tài chính vi mô

Mục tiêu của lớp chuyên đề này là giúp các bạn làm quen với những bước đánh giá tác động, nắm bắt được cuộc tranh luận hiện nay về tài chính vi mô trong mối quan hệ với Khuôn khổ lý thuy

(Nội dung gỡ băng)

ngày 1, sáng thứ hai ngày 22

tháng 7

Giới thiệu giảng viên và học viên (xem phần

lý lịch giảng viên và danh sách học viên ở

cuối chương)

[Laure pasquier-Doumer]

Chúng tôi sẽ đề cập vấn đề đánh giá tác động

trong trường hợp đặc thù là tài chính vi mô

Mục tiêu của lớp chuyên đề này là giúp các

bạn làm quen với những bước đánh giá tác

động, nắm bắt được cuộc tranh luận hiện

nay về tài chính vi mô trong mối quan hệ với

Khuôn khổ lý thuyết của lớp chuyên đề này bao gồm các nội dung sau:

- hôm nay, chúng tôi sẽ đề cập các thách thức của đánh giá tác động và những khó khăn về mặt phương pháp luận của nó, đặc biệt là việc tìm kiếm giá trị đối chứng và lựa chọn nhóm đối chứng Kết thúc ngày hôm nay, chúng tôi sẽ giới thiệu các phương pháp đánh giá định lượng chính – phương pháp thực nghiệm và bán thực nghiệm;

- thứ ba ngày 23 tháng 7 Chúng tôi sẽ phân tích vấn đề lựa chọn phương pháp đánh giá trên cơ sở các công cụ kinh tế lượng vi mô khác nhau để đánh giá tác động của một

dự án, ngoài ra cũng phải tính đến địa bàn thực hiện cũng như những điều kiện ràng buộc của dự án Các phương pháp định lượng mà chúng tôi trình bày là phương

2.3 Đánh giá tác động:

các phương pháp và ứng dụng trong lĩnh vực tài chính vi mô

Florent Bédécarrats – Ủy ban trao đổi nghiên cứu và thông tin

về các hệ thống tiết kiệm-tín dụng, Axel Demenet – IRD-DIAL,

Christophe Jalil Nordman – IRD-DIAL, Laure Pasquier-Doumer –

IRD-DIAL, François Roubaud – IRD-DIAL, Phùng Đức Tùng – Viện

Nghiên cứu phát triển Mê Kông, Bertrand Savoye – AFD

pháp ghép cặp và các phương pháp khai

thác dữ liệu thời gian tuyến tính Các vấn

đề về khái niệm, thể chế và phương pháp

luận liên quan đến đánh giá tác động sẽ

được minh họa qua ví dụ của chương trình

135 về xóa đói giảm nghèo, nội dung này

được trình bày vào cuối buổi sáng, sau

đó chúng ta sẽ chuyển sang hội trường

lớn để nghe bài giảng từ Paris truyền qua

video-conference về những đặc thù của

việc đánh giá tác động các chương trình tài

chính vi mô;

- nội dung buổi sáng thứ tư sẽ là những khó

khăn của một nghiên cứu đánh giá tác

động trong lĩnh vực tài chính vi mô, tiếp

theo đó là vấn đề chuyển từ câu hỏi nghiên

cứu sang dạng bảng hỏi điều tra;

- hai ngày cuối cùng sẽ dành cho bài tập thực

hành Lớp học chia thành hai nhóm : nhóm

thứ nhất làm bài thực hành với phần mềm

Stata – ứng dụng các phương pháp ghép

cặp, khác biệt kép, biến công cụ, phân tích

kết quả và đánh giá ba phương pháp này – ;

nhóm hai, dựa trên dữ liệu và thông tin từ

hai đánh giá tác động (Al Amana và Adéfi),

sẽ xác định các tiêu chí dựa theo đó để xây

dựng đánh giá và phân tích các tác động

được trông chờ của chương trình và chuỗi

nguyên nhân-kết quả giữa các sản phẩm

của chương trình và tác động của chúng

–  xác định các vấn đề đặt ra, lựa chọn

phương pháp, bảng hỏi, phân tích kết quả,

hạn chế và triển vọng, thảo luận để xây

dựng khung đánh giá tác động

Kết quả của mỗi nhóm sẽ được trình bày

trước lớp, sau đó chuẩn bị báo cáo thu

hoạch để trình bày vào thứ Bảy ngày 27

tháng 7

2.3.1 Các thách thức của đánh giá tác động: từ đánh giá nhu cầu tới phân tích chi phí-lợi nhuận Cần trả lời những câu hỏi nào khi thực hiện đánh giá?

Từ đầu những năm 2000, đánh giá tác động

là một vấn đề trọng tâm của chính sách công: các mục tiêu phát triển thiên niên kỷ (MDGs)

và tài liệu chiến lược về giảm nghèo (DSRP) đều coi đánh giá tác động – cùng với việc giám sát – là một nội dung chính thức.Các nguyên tắc mới của viện trợ phát triển (ODA) – tiêu chí lựa chọn, hỗ trợ ngân sách, tiếp quản dự án, v.v – cũng đều dựa trên

kết quả nghiên cứu đánh giá tác động (xem

thêm Tuyên bố, OECD, 2005) Hơn nữa, trên

quan điểm nghiên cứu và phương pháp luận, nhiều công cụ mới cũng đã được phát triển phục vụ cho công tác đánh giá

Đánh giá chính sách còn quan trọng hơn nữa

ở các nước đang phát triển, vì ở các nước này nguồn lực còn hạn chế trong khi nhu cầu lại rất lớn Vấn đề là dù nhu cầu ngày càng tăng nhưng những đánh giá tác động vẫn chưa được coi là nội dung chính trong việc thực hiện các chính sách phát triển Văn hóa đánh giá tác động một cách chặt chẽ vẫn còn trong giai đoạn chập chững Lý do là bởi người ta cho rằng đánh giá tác động quá tốn kém, phức tạp và đôi khi không chính xác Tuy nhiên:

- chi phí đánh giá nhìn chung chỉ chiếm một phần rất nhỏ trong tổng chi phí thực hiện

dự án, trong khi đó, việc thực hiện đánh giá giúp tránh lãng phí nguồn lực khi đầu tư vào các dự án không hiệu quả;

- khó khăn về kỹ thuật thực tế không phải

là nhỏ, nhưng có thể giải quyết được một

phần nếu xây dựng được một kế hoạch

chặt chẽ ngay từ đầu và được sự ủng hộ từ

phía các cơ quan lãnh đạo;

- thực hiện đánh giá tác động sẽ giúp cải

thiện, thiết kế xây dựng dự án hiệu quả hơn,

hoặc hủy bỏ các chương trình xây dựng

không hiệu quả (không thực sự hướng

tới đối tượng mục tiêu, lãng phí nguồn

lực, v.v ) Kiến thức tổng hợp được từ các

nghiên cứu đánh giá tác động sẽ là một

nguồn tài sản chung, có thể huy động khi

xây dựng các chương trình và dự án mới

Cần phân biệt hai cách tiếp cận trong đánh

giá định lượng các chính sách:

- « vi mô » và ex post – phương pháp chủ

động – : đánh giá tác động dựa trên dữ liệu

vi mô và các phương pháp thực nghiệm

hoặc bán thực nghiệm; có thể áp dụng để

đánh giá các chương trình mục tiêu như

chương trình an sinh xã hội (safety nets),

chương trình hòa nhập xã hội, v.v

- « vĩ mô » và ex ante – phương pháp quy

chuẩn – : mô hình mô phỏng trên cơ sở

phân tích giá trị đối chứng (EGC) dựa trên

các nhóm hộ gia đình đại diện, có thể áp

dụng vào các chính sách thương mại, chính

sách thuế, các chương trình cải cách cơ cấu,

v.v

Bây giờ chúng ta sẽ tập trung vào nhóm

phương pháp đánh giá tác động thứ nhất

Đánh giá tác động là một trong các bước cần

thực hiện của một nghiên cứu đánh giá tác

động hoàn chỉnh bao gồm ba mảng: đánh

giá nhu cầu (đâu là đối tượng mục tiêu? đánh

giá bản chất vấn đề cần giải quyết? chương

trình được thực hiện trong khuôn khổ nào?

các nhu cầu khác là gì?); đánh giá tiến trình

thực hiện (các dịch vụ có được cung cấp?

các dịch vụ có đến được với đối tượng mục tiêu hay không? khách hàng có hài lòng hay không? các vấn đề gặp phải trong quá trình thực hiện?) ; một đánh giá tác động xác định liệu chương trình có những tác động mong đợi tới các cá nhân, hộ gia đình, cơ quan thể chế, tức là các đối tượng thụ hưởng chương trình hay không, hoặc nếu có tác động thì

đó có phải là tác động của chương trình hay không

Ngoài hai câu hỏi chính này, cũng nên tự hỏi

là chương trình tác động tới đối tượng thụ hưởng như thế nào, chương trình có mang lại những lợi ích mong đợi không, những tác động đó liệu có thể xảy ra nếu không có chương trình, các nguồn lực có được sử dụng hiệu quả hay không, v.v

Kết quả phân tích chi phí-lợi ích là kết quả của

ba bước phân tích này: đánh giá chi phí trong tương quan với lợi ích của chương trình và việc sử dụng hay không sử dụng nguồn vốn cam kết

Minh họa từ chương trình Sky triển khai tại Campuchia

Tài chính vi mô bao gồm cả tiết kiệm vi mô, bảo hiểm vi mô và tín dụng vi mô; Sky là một chương trình bảo hiểm vi mô

Đây là một chương trình bảo hiểm y tế vi mô được GRET – Tổ chức nghề nghiệp đoàn kết

và hợp tác quốc tế – và Bộ y tế Campuchia bắt đầu thực hiện vào năm 1998 Chương trình đặt mục tiêu đảm bảo an toàn kinh tế cho các hộ gia đình nông thôn thông qua hỗ trợ họ tiếp cận với các dịch vụ chăm sóc y tế phù hợp và có chất lượng, thành lập một cơ quan địa phương để tiếp quản chương trình này sau khi GRET rút đi

Bối cảnh chung của chương trình trong

những năm 2000:

- thiếu chính sách bảo hiểm y tế, tuy nhiên

người nghèo được miễn viện phí khi khám

chữa bệnh ở các cơ sở y tế công;

- hệ thống y tế công không đủ ngân sách

hoạt động, cán bộ nhân viên y tế thiếu hụt

và được trả lương thấp; chịu sự cạnh tranh

từ các cơ sở y tế tư nhân hoạt động thiếu

kiểm soát;

- hệ thống cung cấp dịch vụ y tế công được

tăng cường dần thông qua chính sách ký

hợp đồng contracting của các trạm y tế với

các tổ chức phi chính phủ NGO;

- chính sách bảo hiểm y tế cũng dần được

phát triển từ năm 2003 (quỹ hỗ trợ người

nghèo; bảo hiểm y tế tự nguyện cho khu

vực phi chính thức và chế độ bảo hiểm xã

hội bắt buộc đối với khu vực chính thức)

Đặc điểm của chương trình:

- Đóng bảo hiểm gia đình (sổ bảo hiểm có

dán ảnh) hàng tháng với mức 4,5 USD/

người/năm đối với khu vực nông thôn và

19 USD/người/năm ở Phnom Penh

- Đóng phí bảo hiểm hàng tháng

- Được sử dụng miễn phí tất cả các dịch vụ y

tế ở các trung tâm y tế, bệnh viện công của

huyện và tỉnh; hỗ trợ chi phí vận chuyển và

mai táng

- Thanh toán cho các trung tâm y tế và bệnh

viện huyện theo đầu bệnh nhân

- Hoàn bảo hiểm theo gói cho các bệnh viện

tỉnh

Bây giờ chúng ta sẽ cùng thực hiện đánh giá

nhu cầu và đánh giá tiến trình tác động

Theo các bạn, ai là đối tượng mục tiêu của

chương trình này?

Lê nguyễn Duy Oanh

Tôi nghĩ đối tượng của chương trình này là người nghèo nông thôn; nhu cầu cần thỏa mãn ở đây là nhu cầu cải thiện sức khỏe của những người có khó khăn về kinh tế

bùi thị hương trầm

Tôi nghĩ ở đây là toàn bộ các hộ gia đình ở nông thôn

phạm Minh tiến

Chương trình này nhằm hoàn thiện công

cụ bảo hiểm tại Campuchia, và có liên quan đến cả những người làm việc trong lĩnh vực bảo hiểm

[Laure pasquier-Doumer]

Để đánh giá nhu cầu, cần phải đặt một câu hỏi: hiện đã có chương trình bảo hiểm nào chưa? Chương trình này có trùng với chương trình nào đang triển khai hay không? Theo ý kiến chúng tôi, người nghèo đã được hưởng chính sách miễn tiền khám chữa bệnh từ

hệ thống các cơ sở y tế nhà nước rồi Như vậy, đối  tượng mục tiêu của chương trình không  phải là toàn bộ các hộ gia đình mà chỉ là những cá nhân thuộc diện cận nghèo, tức  là những người có nguy cơ tái nghèo nếu  phải gặp một sự cố nào đó Mục tiêu khác của chương trình là xây dựng một cơ chế bảo hiểm lâu dài, tức là có thể tự chủ

về tài chính sau khi chương trình kết thúc Đối tượng mục tiêu của chương trình phải được tiếp cận với các phương tiện đầy đủ để thanh toán bảo hiểm và đạt được mục tiêu thứ hai là đảm bảo tính bền vững cho cơ chế bảo hiểm tại địa phương

Một khó khăn nữa đối với lĩnh vực bảo hiểm

là lựa chọn theo chiều ngược lại: không nên

để xảy ra tình trạng là chỉ những người có

vấn đề về sức khỏe mới đi đăng ký bảo hiểm

Cơ chế bảo hiểm phải làm sao thu hút được

cả người bệnh, người biết mình có bệnh và

những người khác, nếu không sẽ không thể đảm bảo được sự bền vững cho công cụ bảo hiểm này

Một khó khăn nữa ở bước đánh giá nhu cầu là

phải tìm câu trả lời cho các câu hỏi sau:

- Đâu là bản chất của vấn đề cần giải quyết?

• Đảm bảo an toàn kinh tế cho các hộ nông

thôn như thế nào? Làm sao để tránh tình

trạng vấn đề sức khỏe sẽ tác động tới kinh

tế gia đình họ, như giảm thu nhập hoặc nợ

nần?

• Làm thế nào để giúp người dân tiếp cận

một cách thuận lợi với các dịch vụ y tế phù

hợp và chất lượng?

• Làm thế nào để hình thành một cơ chế

bảo hiểm y tế lâu dài? Tác nhân nào cần

phải tham gia vào chương trình? Xây dựng

chương trình ra sao để đảm bảo vừa hiệu

quả về kinh tế vừa đảm bảo mức bảo hiểm

hợp lý đối với đối tượng hướng tới của

- Khuôn khổ của chương trình?

• Có tình trạng thiếu hụt hay không? Hộ gia đình nào chưa có bảo hiểm y tế?

• Đã có chương trình nào đáp ứng nhu cầu này chưa?

• Còn nhu cầu nào khác hay không?

• Nếu đáp ứng được những nhu cầu đó thì

sẽ có những lợi ích gì? Các biến cố về sức khỏe có phải là nguyên nhân của tình trạng

dễ bị tổn thương hay không? Hiện nay ở Campuchia còn những nhu cầu cơ bản nào của người dân chưa được đáp ứng?

• Chương trình bảo hiểm vi mô cần mang lại lợi ích gì để chứng minh đây là một chương trình bền vững chứ không chỉ đơn thuần là một chương trình hỗ trợ?

Đối tượng hướng tới

+ khá gi (15%)

B o hi m vi mô

B o hi m t nhân

i tác SKY và các qu ng i nghèo

SKY = D ch v b o hi m y t cho ng i dân thu c khu v c

phi chính th c

Trung l u 50%

C n nghèo

+ nghèo (35%)

Nguồn: GRET.

26

Sơ đồ

Chúng ta chuyển sang bước đánh giá tiến trình thực hiện Các câu hỏi chính yếu cần đặt ra được tóm tắt trong phần khung dưới đây:

Đánh giá nhu cầu phải cung cấp những thông tin gì?

Đánh giá tiến trình thực hiện

21

22

Khung

Khung

Đối tượng nhắm tới của chương trình phải được xác định rõ.

- Các hộ gia đình dễ bị tổn thương, đang phải đối mặt với nguy cơ nợ nần hoặc thua lỗ, mất vốn

- Các hộ gia đình có thể đóng phí bảo hiểm.

- Các hộ gia đình có nguy cơ mắc bệnh ít hơn hơn các hộ gia đình khác

Xây dựng chương trình phải rõ ràng.

- Các dịch vụ nào đang thiếu?

- Cung cấp như thế nào? Cung cấp bao nhiêu? Có thể gặp những trở ngại gì?

Hình dung được những lợi ích mà chương trình có thể mang lại.

- Chương trình có bù đắp được tình trạng thiếu hụt hay không ? Lợi ích có được mở rộng hay không?

Các giải pháp thay thế cũng phải được tính tới.

- Bảo hiểm vi mô có phải là giải pháp hiệu quả nhất, mang lại lợi ích kinh tế lớn nhất trong việc giảm thiểu mức độ dễ bị tổn thương của các hộ gia đình nông thôn và nâng cao chất lượng dịch vụ y tế hay không?

Các dịch vụ có được cung cấp?

- Chất lượng dịch vụ khám chữa bệnh của các trung tâm y tế?

- Nguyên tắc miễn phí và bên thứ ba thanh toán có được áp dụng đối với mọi trường hợp hay không?

Tổ chức Gret, Bộ Y tế và các trung tâm y tế phối hợp với nhau như thế nào?

- Bộ Y tế có tham gia trực tiếp vào chương trình?

Bảo hiểm vi mô có đến được với đối tượng mục tiêu của chương trình hay không?

- Những người dễ bị tổn thương nhất có đăng ký mua bảo hiểm hay không?

- Tỷ lệ tham gia bảo hiểm có cao không?

- Chương trình chỉ thu hút được những người có vấn đề về sức khỏe?

- Ai không tiếp tục tham gia chương trình?

- Đâu là các yếu tố quyết định việc mua bảo hiểm, có khả năng áp dụng bảo hiểm rủi ro đồng chi trả hay không?

Các hộ gia đình có hài lòng về chương trình bảo hiểm của họ và dịch vụ chăm sóc y tế không?

Chương trình có tiếp tục đứng vững được không?

- Phí bảo hiểm có được nộp đều không?

- Mức hoàn bảo hiểm có được như mong đợi không?

Chúng tôi giới thiệu bước đánh giá nhu cầu

và đánh giá tiến trình thực hiện nhằm giúp

các bạn phân biệt hai bước này với bước

đánh giá tác động

Vậy theo các bạn, đâu là những câu hỏi cần

đặt ra để đánh giá tác động của chương trình

Sky?

ngô Văn huấn

Những thay đổi trong thói quen khám chữa

bệnh của người dân ? Kết quả giảm nghèo

như thế nào? Chương trình có góp phần

nâng cao năng lực quản lý của hệ thống y tế

ở Campuchia ? Chương trình có giúp giảm

bất bình đẳng trong tiếp cận dịch vụ y tế hay

không?

[Laure pasquier-Doumer]

Bạn đặt câu hỏi là chương trình có góp phần

giảm nghèo và giảm bất bình đẳng trong

tiếp cận dịch vụ y tế hay không Nhưng đây

không  phải là mục tiêu của chương trình

Mục tiêu chương trình hướng tới là giảm

thiểu mức độ dễ bị tổn thương Tức là số

người phải mắc nợ hoặc bán tài sản để trả

tiền khám chữa bệnh sẽ giảm đi Như vậy,

kết  quả mong  đợi là số người dễ bị tổn

thương do vấn đề chăm sóc y tế sẽ giảm đi

Còn lại, bạn hoàn toàn có lý khi đặt câu hỏi về chất lượng của hệ thống y tế cung cấp dịch

vụ chăm sóc

Lê thị hằng giang

Chương trình hướng tới mục tiêu giảm mức

độ dễ bị tổn thương của các hộ gia đình, do

đó tôi sẽ đặt các câu hỏi sau: số người mắc nợ hoặc phải bán tài sản để có tiền chữa bệnh

có giảm hay không? Nguyên nhân giảm là do chương trình hay do những người đó đã tự cải thiện được đời sống của mình ? Có cách nào khác để giảm bớt được số người phải mắc nợ hoặc bán tài sản để chữa bệnh hay không?

[Laure pasquier-Doumer]

Những câu hỏi của bạn đều hay

Một câu hỏi nữa cần đặt ra là viêc thay đổi mức phí bảo hiểm có tác động gì tới tỷ lệ tham gia bảo hiểm, và kết quả của chương trình Cuối cùng, cũng phải đặt câu hỏi liên quan tới tác động của việc cải thiện chất lượng dịch vụ gắn với chương trình

Ba câu hỏi chính cần phải đặt ra khi đánh giá tác động: biện pháp nào, đối tượng nào và khi nào cần phải trả lời các câu hỏi này?

Đánh giá tác động 23

Khung

Câu hỏi mấu chốt: bảo hiểm vi mô có tác động tới sức khỏe và kinh tế hộ gia đình?

Các câu hỏi liên quan:

- Đâu là hiệu quả của chương trình bảo hiểm y yế vi mô đối với việc giảm bớt các rủi ro

kinh tế liên quan đến tình trạng bệnh tật?

- Các hộ gia đình phản ứng thế nào trước các mức phí bảo hiểm khác nhau?

- Việc mở rộng chương trình bảo hiểm có tác động gì tới chất lượng dịch vụ của các cơ sở

y tế công?

Bây giờ chúng ta sẽ xem xét đặc thù của lĩnh

vực tài chính vi mô trong đánh giá tác động

Từ khoảng 30 năm trở lại đây, lĩnh vực tài

chính vi mô, đặc biệt là tín dụng vi mô được

coi là công cụ của chính sách xóa đói giảm

nghèo –  trường hợp quỹ tín dụng vi mô

Grameen Bank của Bangladesh là ví dụ điển

hình

Bắt đầu từ những năm 2000, tài chính vi mô,

đặc biệt là tín dụng vi mô tăng trưởng theo

cấp số nhân –13 triệu khách hàng năm 1997

và hơn 190 triệu khách hàng vào năm 2009

Đâu là lý do giải thích cho sự tăng trưởng

này? Ba lý lẽ có thể giải thích cho hiện tượng

này:

- mang đến cho người nghèo cơ hội phát

triển phương tiện sản xuất;

- giúp người nghèo giảm được mức độ

dễ bị  tổn thương và tránh bị rơi vào bẫy

nghèo đói;

- « tăng cường quyền lực - empowerment »

cho phụ nữ, từ đó đầu tư nhiều hơn vào

chăm sóc sức khỏe và giáo dục con cái, hạn

chế được tình trạng nghèo đói cha truyền

con nối

Tuy nhiên, từ năm 2010, người ta đặt vấn đề

xem xét lại quan điểm này, các ý kiến đặc biệt

xoay quanh tác động của tài chính vi mô và

- lãi suất cao và không minh bạch;

- khách hàng không phải là người nghèo.Như vậy, hiện đang có tranh luận về các vấn

đề này và nhu cầu thực hiện các nghiên cứu đánh giá tác động một cách bài bản để xác định liệu các thiết chế tài chính vi mô này

có đến được với người nghèo (hoặc người nghèo nhất) hay không và liệu rằng các dịch

vụ cung cấp có góp phần giảm nghèo và mức độ dễ bị tổn thương của đối tượng mà các dịch vụ này nhắm tới hay không

Hoạt động tiến hành hàng ngày của các thiết chế tài chính vi mô phải được hỗ trợ

và ủng hộ Tuy vậy, việc phân loại nghèo đói của các nhà tài trợ/các nhà nghiên cứu không phải lúc nào cũng trùng khớp với thực

tế (những người không tiếp cận được với

hệ thống ngân hàng, người dân nông thôn vùng sâu vùng xa, nông dân, phụ nữ, v.v.); thêm nữa, thời gian thực hiện một đánh giá tác động thường kéo dài, không phù hợp với nhịp triển khai dịch vụ của các thiết chế tài chính vi mô (vốn ngắn hơn)

Trong tuần này chúng ta sẽ tìm hiểu đâu là những kết quả kéo theo của những lợi ích khác nhau này trong một nghiên cứu đánh giá tác động

ngày 1, chiều thứ hai ngày 22

tháng 7

2.3.2 Khó khăn về phương pháp

luận trong đánh giá tác động:

tìm kiếm một đối chứng, lựa chọn

một nhóm đối chứng

[Christophe Jalil nordman]

Bây giờ chúng ta sẽ tìm hiểu cách thức tìm

kiếm, xác định và lựa chọn nhóm đối chứng

Sáng nay chúng ta đã nhắc đến sự cần thiết

phải xác định tác động của một dự án phát

triển tới một kết quả mà chúng ta cần phải

đánh giá

Để xử lý các vấn đề liên quan tới tác động,

cần phải đánh giá được kết quả của một

chương trình bằng cách đặt nó ở ngoài tất

cả các yếu tố khác có thể có tác động tương

tự Các vấn đề này không thể xử lý chỉ bằng cách đánh giá kết quả của dự án Tại sao? Trên thực tế, tác động chính là chênh lệch của kết quả thu được khi thực hiện chương trình và khi không thực hiện chương trình Tuy nhiên, cái khó là ta không thể cùng một lúc quan sát một đối tượng ở hai trạng thái khác nhau

Cụ thể, khi ta quan sát một chỉ số sau khi thực hiện chương trình, ta không thể đồng thời quan sát được chỉ số đó khi không có chương trình, tức là ở đây, giá trị đối chứng là không quan sát được

Tình huống này không có trong thực tế, nhưng người thực hiện đánh giá sẽ tìm cách xây dựng lại để thực hiện nghiên cứu đánh giá của mình Việc tìm kiếm giá trị đối chứng

có thể tóm tắt trong một câu hỏi : người tiếp nhận chương trình sẽ ra sao nếu không có chương trình?

Ở đây, trục tung biểu diễn giá trị kết quả của

chương trình YB Trục hoành biểu diễn biến

thời gian, t=0 Ở giá trị t=0, biến kết quả được

đo bằng giá trị YB Khi quan sát giá trị t=0, là

giá trị khi không có chương trình

Quan sát biến kết quả…

Nguồn: tác giả.

40 biểu đồ

Một chương trình được thực hiện trong

khoảng thời gian t=0 và t=1, ta có kết quả

mới YP Có thể quan sát thấy biến kết quả tăng

trong khoảng thời gian trước và sau khi thực

hiện chương trình Vậy kết quả của chương trình có phải là chênh lệch giữa hai kết quả này hay không?

… và giá trị tăng sau khi thực hiện chương trình

Giá trị đối chứng là tình trạng của những

người không tham gia chương trình Có thể

các cá nhân không tham gia chương trình có

biến kết quả được đo ở giá trị Y*P, cao hơn giá

trị YP kể cả khi không có chương trình Đối với

các cá nhân không tham gia chương trình, khó có thể xác định được giá trị này Đây là yếu tố chúng ta tìm cách tái lập để có thể đánh giá được tác động của chương trình

Tác động của chương trình như vậy không

phải là chênh lệch của hai giá trị YP và YB mà

là giữa hai giá trị YP và Y*P Để đánh giá tác

động của chương trình, ta quan sát sự chênh lệch giữa kết quả có được sau khi thực hiện chương trình và kết quả của nhóm đối chứng

… để có thể đánh giá được tác động của chương trình

Thay i tình hình (tác ng thô)

Ở đây, trục tung biểu diễn tỷ lệ lao động có

việc làm của một nước và trục hoành biểu

diễn biến thời gian Lấy mốc thời gian là năm

làm cơ sở, tỷ lệ lao động có việc làm có giá

trị J0, giá trị này tăng lên mức có thể tương

đương với kết quả thu được sau khi triển khai

chính sách tạo việc làm Tỷ lệ lao động có việc

làm – giá trị đối chứng – là tỷ lệ những người

có việc làm không phải là đối tượng liên quan

đến chính sách tạo việc làm Giữa hai mốc thời

gian này, nhiều người thất nghiệp tìm được

việc làm hoàn toàn không phải nhờ chính

sách tạo việc làm được triển khai Ở đây, cần

hiểu rằng nếu đánh giá tác động của chính

sách tạo việc làm bằng cách tính toán chênh

lệch của hai giá trị Javec (avec là từ tiếng Pháp

tương đương với with trong tiếng Anh) và J0,

chúng ta không chỉ đánh giá tác động của

chính sách tạo việc làm mà cả các yếu tố khác

xảy ra ở thời điểm thực hiện chương trình

Vấn đề đặt ra với người thực hiện đánh giá

là xác định được hoàn cảnh đối chứng này, vì

cần phải xác định được tỷ lệ việc làm tại quốc

gia không có chính sách việc làm cùng lúc khi

quốc gia đã có chính sách tạo việc làm

Để đảm bảo xác định chính xác bài bản, khi

đánh giá tác động cần phải đánh giá được giá

trị đối chứng, tức là phải trả lời được câu hỏi:

điều gì xảy ra nếu không có chương trình?

Việc này nhìn chung thực hiện được khi sử

dụng nhóm đối chứng – tức là các cá thể

không tham gia chương trình – nhóm này

sẽ được so sánh với nhóm xử lý (nhóm tham

gia chương trình) – tức là các cá thể được thụ

hưởng chương trình Các cá thể thuộc nhóm

đối chứng chỉ khác các cá thể trong nhóm xử

lý ở một điểm duy nhất là việc họ có tham gia

chương trình hay không

Xác định giá trị đối chứng là trọng tâm của các phương pháp đánh giá tác động

Ta có thể phân loại các phương pháp xây dựng giá trị đối chứng và nhóm đối chứng như sau:

• phương pháp thực nghiệm (ngẫu nhiên);

• phương pháp phi thực nghiệm: ghép cặp

(matching), khác biệt kép (diff-in-diff), mô

hình lựa chọn và biến công cụ;

• phương pháp lý thuyết ex ante.

Ban đầu, khung thống kê tổng quát phù hợp với quá trình đánh giá được các chuyên gia thống kê phát triển nhằm sử dụng trong đánh giá tác động của các biện pháp can thiệp y sinh – đặc biệt là dịch tễ học Hiện nay, các công cụ này đã được phát triển vượt ngoài phạm vi áp dụng trong các thử nghiệm lâm sàng Đặc biệt, các khái niệm và phương pháp này được sử dụng thường xuyên trong lĩnh vực kinh tế lượng vi mô để phân tích tác động của các chương trình dạy nghề và hỗ trợ xã hội, nhất là ở Mỹ

Khung thống kê tổng quát phù hợp với việc đánh giá tác động được phát triển từ mô hình chuỗi nguyên nhân-kết quả Rubin (1974)

Mô hình này cho phép xác định rõ tác động mang tính nhân quả của chính sách cần đánh giá và bản chất sai số lựa chọn Hai đặc điểm quan trọng của tác động nguyên nhân-kết quả, hiểu theo định nghĩa dựa trên lý thuyết thống kê, là tính không thể quan sát và tính không đồng nhất của quần thể Tính không thể quan sát của tác động nguyên nhân-kết quả buộc các nhà phân tích phải đặt ra các giả thiết để từ đó xác định được một số tham

số trong phân bố chuỗi tác động nguyên nhân-kết quả

Việc tiếp cận với chương trình – tức là yếu

tố được xử lý – được biểu diễn bằng biến số

ngẫu nhiên T, có giá trị bằng 1 nếu cá thể có

tham gia chương trình và bằng 0 nếu cá thể

không tham gia chương trình Hiệu quả của

chương trình được đo bằng hai biến kết quả

tiềm ẩn là Y1 và Y0 tùy theo trường hợp cá thể

có tham gia (được xử lý) hay không tham gia

(không được xử lý) chương trình tức là (T=1)

- Đối với mỗi cá thể tham gia (được xử lý), Y1

quan sát được còn Y0 không quan sát được

- Trong trường hợp này, biến Y0 tương ứng

với kết quả có thể có nếu cá thể không

được xử lý (giá trị đối chứng)

- Trái lại, đối với một cá thể không được xử lý,

ta quan sát được biến Y0, còn biến Y1 không

quan sát được

Biến kết quả được quan sát có thể được

suy ra từ các biến tiềm năng và biến T theo

phương trình:

Y = T Y1 + (1–T)Y0

Chỉ có cặp biến (Y,T) là quan sát được đối với

mỗi cá thể

Tác động nguyên nhân-kết quả của chương

trình tới mỗi cá nhân được đo theo công thức:

Δ = Y1 – Y0

Kết quả này là hiệu số của kết quả có thể có

nếu cá nhân tham gia chương trình (được

xử  lý) và kết quả có thể có nếu cá nhân

không  tham gia chương trình Như vậy tác

động nguyên nhân-kết quả có hai đặc điểm

quan trọng: tính không thể quan sát, vì với mỗi

cá thể, ta chỉ có thể quan sát được một trong

hai biến tiềm năng; tính cá thể, và từ đó ta

thấy có sự phân bố tác động nguyên kết quả trong quần thể

nhân-Sự phân bố tác động nguyên nhân-kết quả không thể xác định được Tuy nhiên, từ các

giả thiết về quy luật kết nối của (Y0, Y1, T), ta có

thể xác định được vài tham số trên cơ sở mật

độ của các biến quan sát được (Y, T) Ngoài ra,

có hai tham số phải tính toán riêng:

- mức tác động bình quân của chương trình trong toàn bộ quần thể:

trình, tức là nếu (Y0, Y1) T, ta có thể xác định được hai biến lợi ích ΔATE et ΔATT đã được nhắc đến ở trên Trên thực tế, nếu điều kiện (đủ) này được thỏa mãn, giá trị của hai biến lợi ích này sẽ là:

ΔATE = ΔATT = E(Y | T=1) – E(Y | T=0)

Trong trường hợp này, hai tham số bằng nhau và có thể tính được dễ dàng bằng cách tìm chênh lệch giữa mức bình quân của các biến kết quả quan sát được trong nhóm cá thể được xử lý và nhóm cá thể không được

xử lý

Khi điều kiện độc lập của biến không được

thỏa mãn, hàm ước lượng tự nhiên, được

hình thành bởi hiệu số các giá trị trung bình

của biến kết quả, sẽ chịu ảnh hưởng của sai

B ATT = E(Y0 | T=1) – E(Y0 | T=0)

Sai số này bắt nguồn từ việc mức xuất phát

điểm trung bình của các cá thể được xử lý

khi không có chương trình không giống

với mức xuất phát điểm trung bình của các

cá thể hoàn toàn không tham gia chương

trình Có sai số này là bởi hai quần thể không

hoàn toàn tương đồng, trừ trường hợp thực

nghiệm thuần, đã loại trừ hoàn toàn các yếu

tố ngoại lai

Lựa chọn nhóm đối chứng: minh họa

từ chương trình PDUI ở Djibouti

[Laure pasquier-Doumer]

Tôi muốn trình bày với các bạn những khó khăn trong việc tìm kiếm nhóm đối chứng qua trường hợp Dự án phát triển đô thị tổng thể (viết tắt tiếng Pháp là PDUI) thực hiện tại Djibouti: hạ tầng (đường giao thông, nước, điện); công trình công cộng (đồn cảnh sát, nhà chờ xe buýt, cơ sở dạy nghề); phát triển cộng đồng (dạy nghề, hỗ trợ nghề nghiệp,

hỗ trợ quản lý) Dự án được thực hiện từ năm

2010 đến 2013 tại ba thôn của xã Balbala, huyện Djibouti – 50.000 người dân liên quan đến dự án, 60% người dân thất nghiệp, nhà cửa đều lợp mái tôn, trong khi nhiệt độ cao nhất ở nước này có thể lên tới 50°C Với dự

án này, không thể thực hiện đánh giá theo phương pháp ngẫu nhiên, vì thế chúng tôi phải tìm kiếm nhóm đối chứng Các tác động mong đợi của chương trình liên quan tới vấn đề việc làm, nhà ở, y tế và an toàn trật tự công cộng

những tác động sau khi kết thúc dự án pDui:

Mục đích của chúng tôi là thiết lập được bối

cảnh và trạng thái tham chiếu trước khi khởi

động dự án trên cơ sở điều tra hộ gia đình

Vùng đối chứng phải có đặc điểm tương

đồng với đặc điểm xuất phát của vùng thực

hiện dự án tính ở thời điểm khởi động dự án,

xét trên các khía cạnh điều kiện sống và vị

trí địa lý, vùng đối chứng cũng phải là vùng

không tham gia chương trình

Chúng tôi phát bảng hỏi cho 1.000 hộ – 700

hộ trong vùng dự án, 300 trong vùng đối

chứng; bảng hỏi gồm nhiều mô-đun, dành

cho các đối tượng khác nhau bao gồm chủ

hộ, người lớn, phụ nữ từ 15-49 tuổi

Việc lấy mẫu phải làm sao bảo đảm được

tính đại diện của đối tượng nhắm tới, kiểm

soát được mẫu đối chứng có đặc điểm tương

đồng, đo được độ khác biệt tùy theo mức độ

tham gia vào chương trình Ban đầu chúng

tôi lấy mẫu theo nhóm hộ từ 10-30 hộ; các nhóm mẫu được phân loại theo ba tiêu chí: khu vực dự án/khu vực đối chứng, điều kiện nhà ở và vị trí địa lý/mức độ thuận tiện về giao thông

Điều tra thống kê điều kiện nhà ở được thực hiện với bốn biến: vật liệu xây tường, nước sạch, chiếu sáng và tình trạng sử dụng Chúng tôi tính điểm về điều kiện nhà ở cho mỗi hộ ở Djibouti Điểm trung bình tính được

sẽ cho phép phân loại các hộ theo ba mức

độ ổn định về nhà ở: ổn định, trung bình và bấp bênh

Chúng tôi dùng ảnh vệ tinh để xác định tiêu chí thuận tiện về giao thông - tính toán khoảng cách giữa khu vực và đường giao thông, loại đường, xác định vị trí diện tích đất ở

Xác định vị trí diện tích đất ở và bản đồ vệ tinh để xác định vùng đối chứng và các tiêu chí về mức độ thuận tiện về giao thông

14 bản đồ

Chúng tôi sử dụng dữ liệu vệ tinh trong hệ

thống thông tin địa lý (GIS) để định vị các

con đường giao thông chính và vị trí của các

nhóm hộ Mức độ thuận tiện về giao thông

được đo bằng khoảng cách trung bình từ

mỗi nhóm hộ tới các trục đường chính có

phương tiện giao thông công cộng Các

nhóm hộ được phân loại theo ba cấp độ

thuận tiện về giao thông đi lại Phân loại như

vậy sẽ giúp đo được mức độ tham gia hoặc

có liên quan đến chương trình

Cái khó đối với chúng tôi là chỉ đảm bảo

kiểm soát được đối với các đặc điểm liên

quan một  phần tới dự án, như nhà ở hoặc

mức độ  thuận tiện về giao thông/vị trí địa

lý Cụ thể là, nếu nhóm đối chứng bao gồm những người gốc Éthiopia, nói được tiếng Anh thì các cá thể trong nhóm đó dễ tìm được việc làm hơn ở các khu vực gần cảng, nhưng ở nhóm đối chứng, các cá thể lại chỉ nói được tiếng Ả rập Như vậy, sự khác biệt ngôn ngữ sẽ làm sai lệnh giá trị ban đầu của

Y0, tức là kết quả có thể có nếu các cá thể không tham gia chương trình Với điều tra này, chúng tôi xác định từ đầu là hai nhóm

có đặc điểm giống nhau nhưng sẽ có các dữ liệu/yếu tố không quan sát và cũng không đo đếm được Các khác biệt này có thể làm sai lệch kết quả; đây là một điểm khó giải quyết đối với một nghiên cứu đánh giá tác động

phân loại theo mức độ thuận tiện đường giao thông

Nguồn: PDUI.

15 bản đồ

[phùng Đức tùng]

Nhìn chung các chương trình nhắm tới trước

hết là những nhóm dễ bị tổn thương và có

nguy cơ Ở Việt Nam, nhiều chương trình

giảm nghèo được triển khai nhằm cung cấp

thẻ bảo hiểm y tế miễn phí cho hộ nghèo,

giảm học phí để tăng tỷ lệ đến trường và thời

gian đi học của con em gia đình nghèo Tuy

nhiên, vấn đề là phải tìm ra được nhóm đối

chứng vì điều kiện sống của các hộ gia đình

rất khác nhau

Ví dụ: tỷ lệ đi học của con em các hộ thuộc

nhóm đối chứng thông thường cao hơn tỷ

lệ thuộc nhóm xử lý/nhóm tham gia chương

trình, vì nhóm đối chứng thường là các hộ gia

đình có điều kiện hơn Đối với các nhóm dân

tộc thiểu số, còn phải tính đến yếu tố ngôn

ngữ và mức độ thuận tiện về giao thông của

các thôn bản, vốn là hai trở ngại rất lớn

2.3.3 Các phương pháp định

lượng chính (ex-post) nhằm

đánh giá tác động: phương pháp thực nghiệm, bán thực nghiệm và phi thực nghiệm

[Christophe Jalil nordman]

Thực nghiệm có kiểm soát

Đánh giá tác động theo phương pháp thực nghiệm có kiểm soát (còn gọi là phương pháp thực nghiệm) được áp dụng nhằm mục đích loại bỏ sai số lựa chọn bằng cách chọn mẫu ngẫu nhiên (rút thăm) để chọn ra các cá thể (hoặc nhóm cá thể) thụ hưởng chương trình Phương pháp này thường được coi là hiệu quả nhất trong số các phương pháp đánh giá tác động Ưu điểm chính của kỹ thuật này là

dễ đọc kết quả: tác động của chương trình tới kết quả đánh giá là mức chênh lệch giữa kết quả bình quân của các mẫu trong nhóm mục tiêu và nhóm đối chứng

Ví dụ chương trình triển khai tại Kenya 24

Khung

Dự án phát sách giáo khoa cho 25 trường tiểu học ở nông thôn Kenya năm 1996 (Glewwe

et al., 2004) Đánh giá dự án phát sách giáo khoa ở Kenya được thực hiện theo phương pháp

lấy mẫu ngẫu nhiên tại các trường có thực hiện dự án, những người thực hiện đánh giá đã

tiến hành một điều tra cơ bản, lập nhóm đối chứng và sau đó triển khai dự án Việc lập nhóm

đối chứng và nhóm mục tiêu đã giúp xác định rõ tác động của việc phát sách giáo khoa tới

kết quả học tập của học sinh.

Về kỹ thuật thực hiện, nguyên tắc áp dụng

cũng giống với nguyên tắc trong thử nghiệm

y sinh – kê thuốc điều trị cho một số bệnh

nhân được lựa chọn ngẫu nhiên và không

phát thuốc cho nhóm còn lại

Trong nghiên cứu đánh giá này, chúng tôi có

thêm một thuận lợi nữa là có thể lựa chọn

ngẫu nhiên các làng và cộng đồng được

hưởng lợi từ dự án, trong một số trường

hợp việc lựa chọn này không quá khó Đối

với việc lựa chọn cá thể, cách làm phổ biến

nhất là trước hết những người có thể được

lựa chọn ngẫu nhiên phải được thông báo về

mục đích và nguyên tắc thực hiện của nghiên

cứu, người nào chấp nhận tham gia sẽ được

phân bổ vào hai nhóm – nhóm xử lý và nhóm

đối chứng – theo phương pháp rút thăm

Để dễ hình dung đặc điểm và hạn chế của

phương pháp thực nghiệm có kiểm soát này,

ta xét thêm hai biến chỉ số sau đây:

– biến T* có giá trị bằng 1 khi cá thể được lựa

chọn để tham gia chương trình (và có giá trị

bằng 0 nếu không tham gia);

– biến S có giá trị bằng 1 khi cá thể được

phân vào nhóm xử lý bằng phương pháp

rút thăm ngẫu nhiên (và có giá trị bằng 0

nếu không được rút thăm)

Để loại bỏ sai số ngẫu nhiên, xác suất được

lựa chọn tham gia chương trình không được

bị ảnh hưởng bởi việc coi rút thăm là điều

kiện tham gia chương trình Với điều kiện này,

chúng ta thấy tác động của biến T đối với các

cá thể được xử lý có giá trị là:

ΔATT = E(Y1 | T*=1, S=1) – E(Y0 | T*=1, S=0)

Nói cách khác, lợi ích bình quân của chương

trình đối với các cá thể mong muốn tham

gia có thể tính toán bằng cách tính hiệu số

chênh lệch giữa kết quả bình quân của các cá

thể thuộc nhóm xử lý và kết quả bình quân của các cá thể thuộc nhóm đối chứng Kết quả bình quân của nhóm đối chứng là kết quả bình quân của hoàn cảnh đối chứng,

được tính bằng E(Y0 | T=1) đối với trường hợp

phi thực nghiệm

Quyết định tham gia thực nghiệm được đưa

ra trước khi tiến hành rút thăm ngẫu nhiên sẽ đảm bảo cho việc các nhóm xử lý và nhóm đối chứng được lập ra gồm các cá thể được lựa chọn hoàn toàn ngẫu nhiên Nếu làm ngược lại, tức là rút thăm ngẫu nhiên trước khi các cá thể đưa ra quyết định tham gia hay không tham gia chương trình, ta sẽ không thể xác định được kết quả bình quân đối chứng

Ta hãy xem xét một vài hạn chế của phương pháp này

Trước hết, việc triển khai chương trình đối với các đối tượng được lựa chọn ngẫu nhiên

có thể bị coi là trái với quy định của pháp luật Thứ hai, về mặt chính sách, khó có thể thực hiện phát sách giáo khoa cho học sinh này mà lại không phát cho học sinh khác Thứ ba, phạm vi thực hiện chương trình nếu phủ  rộng thì ta cũng không thể lập được nhóm đối chứng theo đúng tiêu chí – ví dụ trường hợp một thay đổi về chính sách có phạm vi ảnh hưởng rộng rãi, như vay cải cách cơ cấu hoặc các chương trình triển khai trên quy mô quốc gia Thứ tư, các cá thể trong nhóm đối chứng có thể thay đổi đặc điểm nhận diện trong quá trình tiến hành thực nghiệm, thay đổi này sẽ ảnh hưởng tới kết quả đánh giá : ví dụ, nếu một người di chuyển từ khu vực có dự án ra ngoài hoặc ngược lại, một người từ khu vực không có

dự án sang khu vực có dự án, như vậy, họ cũng di chuyển từ nhóm xử lý sang nhóm đối chứng hoặc ngược lại (tác động lây lan) ; hoặc, có những người từ chối lợi ích tham

gia dự án và tìm kiếm các nguồn lợi khác

thay thế, hoặc có người lựa chọn tham gia

chương trình có thể không hưởng lợi ích từ

chương trình Thứ năm, khó có thể đảm bảo

được một sự lựa chọn thực sự ngẫu nhiên –

ví dụ có trường hợp người thực hiện đánh

giá quyết định loại các ứng viên có nguy

cơ cao để đảm bảo kết quả đánh giá được

thực hiện tốt hơn Cuối cùng, trong một số

trường hợp, phương pháp thực nghiệm này

có thể tốn kém và mất nhiều thời gian, đặc

biệt là khâu thu thập dữ liệu mới

Phương pháp bán thực nghiệm, thử nghiệm

tự nhiên và « Regression Discontinuity Design »

Thuật ngữ bán thực nghiệm hoặc thử nghiệm

tự nhiên được dành cho các nghiên cứu đánh

giá các giá trị bình quân của các biến kết quả

từ hai nhóm cá thể được lập theo phương

pháp đánh giá mức độ biến thiên ngẫu nhiên

của một biến ngoại lai

Biến ngoại lai này thường là một quy định hành chính, có thể được thay đổi vào một thời điểm nào đó (chẳng hạn: bỏ quy định nghĩa

vụ quân sự, sử dụng tiếng Ả rập trong giảng dạy các môn học, v.v ) Nguồn gốc biến thiên của một biến ngoại lai phải được xác định và

rõ ràng, về nguyên tắc, biến này không được gắn với các yếu tố khác quyết định tới sự biến thiên của các biến kết quả

Vì không mang tính thực nghiệm nên các phương pháp bán thực nghiệm phải xử lý rất

kỹ ở khâu lập nhóm đối chứng và nhóm xử

lý Nhóm xử lý bao gồm các cá nhân hoặc hộ gia đình có liên quan tới sự thay đổi của biến ngoại lai Phần khó nhất là xác định nhóm đối chứng, vì nó ảnh hưởng tới độ chính xác trong đánh giá tác động của sự biến thiên của biến ngoại lai Vì vậy nhóm đối chứng phải bao gồm các cá thể có đặc điểm tương đồng nhất có thể với các cá thể thuộc nhóm

xử lý, tức là nhóm chịu tác động từ sự biến thiên của biến ngoại lai

Ưu điểm và hạn chế 25

- Khó tìm được biến ngoại lai thực sự

- Sai số từ các biến bị bỏ qua

- Bỏ qua yếu tố xu hướng theo thời gian

ngày 2, sáng thứ ba ngày 23

tháng 7

Laure Pasquier-Doumer trình bày nội dung

các bài tập nhóm Học viên đăng ký theo

một trong hai nhóm và lựa chọn đại diện

của nhóm mình để chuẩn bị báo cáo trước

lớp vào sáng thứ bảy.

Christophe Jalil Nordman điểm lại và làm rõ

một số nội dung đã trình bày trong ngày học

trước

Các phương pháp phi thực nghiệm

[Axel Demenet]

Chúng ta đã thấy rằng, để đánh giá được tác

động của một chính sách tới một yếu tố nào

đó (chẳng hạn yếu tố thu nhập), nếu chỉ lấy

hiệu số chênh lệch giữa hai kết quả của các

cá nhân thụ hưởng và các cá nhân không

thụ hưởng chính sách đó thì là không đủ So

sánh tình trạng sức khỏe của các bệnh nhân

được nhận điều trị ở bệnh viện và các bệnh

nhân không nhận điều trị – ví dụ cổ điển nhất

về đánh giá tác động –, ta có thể dẫn tới kết

luận sai lầm là việc điều trị có tác động tiêu

cực: những người đến bệnh viện là những

người đã có vấn đề về sức khỏe trước khi

nhận phác đồ điều trị, như vậy, kết quả đánh

giá sẽ có sai số vì hai nhóm (điều trị và không

điều trị) không có xuất phát điểm tương

đồng Chúng tôi cũng đã chứng minh là khi

áp dụng phương pháp đánh giá ngẫu nhiên

(hay còn gọi là phương pháp thực nghiệm),

ta có thể đảm bảo sự đồng nhất trong đặc

điểm của hai nhóm và loại bỏ được sai số,

tiếp đó chúng ta đã nghe giới thiệu về các

phương pháp « bán thực nghiệm », phương

pháp này giúp thiết lập lại các điều kiện của

đánh giá ngẫu nhiên Tuy nhiên, trong phần

lớn các trường hợp, không thể triển khai các phương pháp như vậy hoặc thực hiện các thử nghiệm tự nhiên Ở phần này chúng tôi

sẽ giới thiệu kỹ một vài phương pháp đánh giá có thể giảm được sai số, các phương pháp này nằm trong nhóm « phi thực nghiệm » Các phương pháp này khai thác các giá trị của

biến lợi ích Y (thu nhập, tình trạng sức khỏe, v.v.) đối với các cá thể được xử lý (T=1) và các

cá thể không được xử lý (T=0).

Giải quyết sai số lựa chọn bằng cách tái lập giá trị đối chứng

Ta biết phương pháp đánh giá tác động

« ngây thơ », tức là tính giá trị kỳ vọng Y bằng

cách tính hiệu số giữa kết quả của các cá thể

được xử lý E(Y | T=1) và kết quả của các cá thể không được xử lý E(Y | T=0) (ở đây xin nhắc lại

ví dụ xác định tình trạng sức khỏe bình quân của những người đi khám bệnh và những người không đi khám bệnh), sẽ cho kết quả

có sai số vì sự chênh lệch trong tình trạng ban đầu giữa những người tham gia và những người không tham gia chương trình Sự khác biệt, chênh lệch trong tình trạng ban đầu của hai nhóm có thể quan sát được (giới tính, thu nhập, bị ốm, không bị ốm, v.v.) và không quan sát được (động cơ, tài năng) Các khác biệt này tạo ra sai số lựa chọn (BATT) khi điều kiện

độc lập giữa các biến kết quả tiềm tàng (Y0,

Y1) và điều kiện tham gia chương trình không được thỏa mãn:

[(Y0, Y1) T] E(Y0 | T=1) ≠ E(Y0 | T=0),

tức là ở mọi thời điểm, trừ trường hợp thực hiện đánh giá ngẫu nhiên.

Phương pháp ghép cặp (matching)

Có nhiều phương pháp cho phép loại bỏ hoặc giảm bớt sai số lựa chọn này Các phương pháp này đảm bảo hai nhóm (được

xử lý và không được xử lý) có đặc điểm gần

nhau bằng cách sử dụng các biến kiểm soát

tác động tới xác suất tham gia xử lý và/hoặc

kết quả Giả thiết ban đầu gọi là giả thiết « độc

lập có điều kiện », rõ ràng yếu hơn so với giả

thiết trước, theo đó, tồn tại một tập hợp các

biến mà các kết quả ẩn và xác suất tham gia

chương trình độc lập với chúng, phụ thuộc

vào các biến kiểm soát :

[(Y0, Y1) T] | X

Giả thiết độc lập có điều kiện được hiểu là hai

nhóm xử lý và không xử lý cân bằng nhau xét

trên những đặc điểm quan sát được cùng có

tác động tới biến kết quả ; nói cách khác, đối

với những người có cùng đặc điểm giống hệt

nhau, việc người này tham gia và người khác

không tham gia hoàn toàn là do ngẫu nhiên

Từ đó ta có thể xác định được giá trị kỳ vọng

Y cho cả hai nhóm và như vậy tính được tác

động bình quân của chương trình (ΔATE), cũng

như tác động bình quân của chương trình đối

với các cá thể trong nhóm xử lý (ΔATT) Điều

kiện xác định đối với tham số này (tác động

bình quân đối với nhóm cá thể tham gia) ít

khắt khe hơn vì chỉ cần sự độc lập giữa kết

quả tiềm năng nếu không có chương trình và

kết quả khi có chương trình, tức là Y0 T | X.

Nguyên tắc đánh giá áp dụng ở đây là sử

dụng thông tin đã có về các cá thể không xử

lý để làm đối chứng cho các cá thể xử lý Hàm

ước lượng sẽ tính được mức chênh lệch trung

bình giữa mức xuất phát điểm bình quân của

các cá thể xử lý và các cá thể đối chứng:

theo đó I1 là giá trị của mẫu các cá thể xử lý và

N1 là số các cá thể xử lý

Việc ghép cặp « matching » cho phép giải

quyết được một phần sai số lựa chọn bằng cách sử dụng các biến quan sát được, tức là

các biến X để lựa chọn các cá thể của nhóm

đối chứng sao cho các cá thể đó có đặc điểm tương đồng với các cá thể thuộc nhóm xử lý Nói cách khác, ta thực hiện ghép các cá thể

xử lý với một hoặc nhiều cá thể thuộc nhóm không xử lý có đặc điểm tương đồng xét theo các biến có thể quan sát được, tức là các

biến X Để đánh giá tác động của một phác

đồ điều trị tại bệnh viện, ta không so sánh với những người không nhập viện nói chung mà

so sánh với các cá nhân mắc cùng một bệnh nhưng không khám chữa tại bệnh viện

Phương pháp này đòi hỏi với mỗi cá thể xử

lý, cần phải quan sát một hay nhiều cá thể không xử lý có đặc điểm tương đồng (« sinh

đôi »), trên cơ sở các biến X, tức là : Xĩ(i) = Xi

Từ đó ta tính được tác động đối với từng nhóm bằng cách tính chênh lệch mức xuất phát điểm bình quân của các cá nhân trong hai nhóm xử lý và không xử lý, mức tác động bình quân của mỗi nhóm sẽ giúp tính được giá trị ∆ATT Số lượng Yĩ(i) sẽ là hàm ước lượng

giá trị kỳ vọng của kết quả tiềm năng Y0i:

Như vậy giá trị tác động tiềm năng của chương trình đối với các cá thể xử lý (tham gia  chương trình) sẽ được tính theo công thức:

Cần phải lưu ý là phương pháp này áp dụng được khi có các biến kiểm soát, tức là độ chính xác của nó sẽ phụ thuộc vào chất lượng

dữ liệu cũng như cỡ mẫu Hơn nữa, phương pháp này chỉ cho phép giải quyết được một