Machine Translated by Google

Phát triển Thế giới 153 (2022) 105838

Danh sách nội dung có sẵn tại ScienceDirect

Phát triển Thế giới

trang chủ tạp chí: www.elsevier.com/locate/worlddev

Dự báo sốc thu nhập và mất an ninh lương thực Việt Nam dưới
đại dịch
b c d
Khoa Vu a, , Nguyễn Đình Tuấn Vương , Tú-Anh Vũ-Thanh , Anh Ngoc Nguyen
a Khoa Kinh tế Ứng dụng, Đại học Minnesota, Hoa Kỳ b Khoa Kinh tế Nông nghiệp và
Ứng dụng, Đại học Wisconsin-Madison, Hoa Kỳ
c
Trường Quản lý và Chính sách Công Fulbright, Đại học Fulbright Việt Nam, Trung tâm Nghiên cứu Chính
sách và Phát triển Việt Nam (DEPOCEN), Việt Nam

thông tin bài viết trừu tượng

Lịch sử bài viết: Vì COVID-19 đe dọa an ninh lương thực của các nhóm dân cư dễ bị tổn thương trên toàn cầu, nên ngày càng có nhu cầu xác
Được chấp nhận ngày 28 tháng 1 năm 2022
định những nơi bị ảnh hưởng nặng nề nhất để nhắm mục tiêu viện trợ. Chúng tôi đề xuất phương pháp tiếp cận hai bước để
Có sẵn trực tuyến ngày 16 tháng 2 năm 2022
dự đoán những thay đổi về nguy cơ mất an ninh lương thực do các cú sốc thu nhập gây ra ở cấp độ chi tiết bằng cách sử
dụng dữ liệu cấp hộ gia đình hiện có và thông tin bên ngoài về các cú sốc thu nhập tổng hợp. Chúng tôi áp dụng cách tiếp
Từ khóa: cận này để đánh giá những thay đổi về nguy cơ mất an toàn thực phẩm trong thời kỳ đại dịch ở Việt Nam. Sử dụng dữ liệu
Thực phẩm không an toàn
điều tra hộ gia đình quốc gia từ năm 2010 đến năm 2018, trước tiên, chúng tôi ước tính rằng thu nhập giảm 10% dẫn đến
Sốc thu nhập
tình trạng mất an ninh lương thực tăng 3,5%. Sau đó, chúng tôi sử dụng Điều tra Lực lượng Lao động quốc gia năm 2019 để
COVID-19
Việt Nam
dự đoán những thay đổi về tỷ lệ hộ gia đình không an toàn về lương thực gây ra bởi các cú sốc thu nhập trong đại dịch cho
702 quận. Chúng tôi nhận thấy rằng sự thay đổi nhỏ, được dự đoán về nguy cơ mất an toàn thực phẩm ở cấp quốc gia che giấu
sự thay đổi đáng kể ở cấp độ cơ sở, và những thay đổi về nguy cơ mất an toàn thực phẩm ở trẻ nhỏ lớn hơn. Do đó, các
chính sách cứu trợ lương thực nên ưu tiên một số huyện nhỏ được dự đoán là sẽ bị ảnh hưởng nghiêm trọng.
2022 Elsevier Ltd. Mọi quyền được bảo lưu.

1. Giới thiệu khả năng miễn dịch bầy đàn đạt được thông qua miễn dịch do vắc xin hoặc miễn

Tình trạng mất an ninh lương thực đã trở thành một hậu quả kinh tế lớn của
đại dịch toàn cầu khi việc đóng cửa và cách xa xã hội được áp dụng rộng rãi để
ngăn chặn vi rút COVID-19.1 Trong thời gian bị cấm vận, nhiều người lao động bị
mất một phần thu nhập hoặc việc làm khi họ rút lui khỏi giao tiếp xã hội, do
đó, ảnh hưởng nghiêm trọng đến khả năng mua thực phẩm của họ (Devereux và cộng
sự, 2020). Mặc dù một số vắc xin COVID-19 đã được phát triển và phê duyệt thành
công vào đầu năm 2021, thế giới vẫn tiếp tục trải qua những làn sóng lây nhiễm
mới với các biến thể mới hơn và dễ lây truyền hơn, đặc biệt là ở các nước đang
phát triển thiếu nguồn lực để mua và cung cấp vắc xin cho công dân của họ. Do
đó, mất an toàn thực phẩm sẽ tiếp tục là một vấn đề cho đến khi các lệnh cấm
và / hoặc rút khỏi nơi làm việc và giao tiếp xã hội không còn cần thiết nữa,
tức là khi
dịch tự nhiên.
Với mức độ nghiêm trọng của các tác động kinh tế của đại dịch,
các chính phủ và tổ chức quốc tế đã theo đuổi các hành động khác
nhau để cung cấp hỗ trợ tài chính và viện trợ lương thực cho các
nhóm dân cư dễ bị tổn thương (Gentilini, Almenfi, Orton, & và Dale,
2020), điều này đặt ra một câu hỏi quan trọng : các chính phủ và tổ
chức nên nhắm mục tiêu hiệu quả đến các địa điểm hoặc hộ gia đình
cần sự hỗ trợ của họ nhất trong một quốc gia như thế nào? Rõ ràng
là các tác động kinh tế của COVID-19 khác nhau đối với dân số, địa
lý và các lĩnh vực kinh tế (Ngân hàng Thế giới, 2020; Quỹ, 2020).
Ưu tiên những nơi bị ảnh hưởng nhiều hơn bởi đại dịch sẽ cho phép
chính phủ hoặc các tổ chức quốc tế hỗ trợ nhiều hơn cho những người
cần họ nhất thay vì mở rộng nguồn lực cho những người tương đối
không bị ảnh hưởng. Điều này đặc biệt đúng đối với các quốc gia có
thu nhập thấp và trung bình với
tài nguyên.

Tác giả tương ứng.
Địa chỉ e-mail: vuxxx121@umn.edu (K. Vu), nguyen.vuong@wisc.edu (NDT Vương),
anh.vu@fulbright.edu.vn (T.-A. Vu-Thanh), ngocanh@depocen.org (AN Nguyễn).
Một cách tiếp cận phổ biến là gửi viện trợ đến các hộ gia đình có tình trạng
nghèo trước đại dịch hoặc có thu nhập thấp.2 Mặc dù việc nhắm mục tiêu vào các
hộ nghèo rất đơn giản, nhưng không phải tất cả các hộ nghèo đều gặp phải tình

trạng mất an ninh lương thực trong thời kỳ đại dịch. Ví dụ: các hộ gia đình có
1
Xem Devereux, Béné, và Hoddinott (2020); Brown, Ravallion và và Van De Walle, 2020; Mishra và

Rampal, 2020; Ahn và Norwood, năm 2020; Paslakis, Dimitropoulos và Katzman, 2020; Reardon, Bellemare
2
và Zilberman, 2020; Quỹ, năm 2020. Mục tiêu của phương pháp nhắm mục tiêu này có thể là hỗ trợ những người dễ bị tổn thương nhất

dân số hoặc để bù đắp cho những thiệt hại về thu nhập của họ.

https://doi.org/10.1016/j.worlddev.2022.105838
0305-750X / 2022 Elsevier Ltd. Mọi quyền được bảo lưu.
Machine Translated by Google
K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al.
các thành viên làm việc trong các lĩnh vực không bị ảnh hưởng không bị ảnh hưởng nặng
nề, trong khi các hộ cận nghèo vẫn có thể bị sốc mất an toàn vệ sinh thực phẩm nếu
các thành viên làm việc trong lĩnh vực bị ảnh hưởng nghiêm trọng.3 Vấn đề này đặc biệt
nghiêm trọng ở các nước đang phát triển, nơi có dữ liệu về tình trạng nghèo đói
có thể đã lỗi thời và dữ liệu về thu nhập không bao gồm các hoạt động sinh thái không
chính thức (Aiken, Bellue, Karlan, Udry và Blumenstock, 2021).
Một phương pháp tốt hơn là kết hợp nhắm mục tiêu theo hộ gia đình với
nhắm mục tiêu: chính phủ (hoặc các tổ chức quốc tế) trước tiên có thể
xác định và phân bổ ngân sách và nguồn lực thích hợp cho các mối quan hệ địa phương
bị ảnh hưởng nhiều nhất, để các chính quyền địa phương hoặc các đại lý thực địa
từ các tổ chức quốc tế có thể xác định và phân phối viện trợ cho
hộ gia đình hoặc cá nhân cần hỗ trợ. Thực hành này là
được sử dụng bởi Chương trình Lương thực Thế giới của Liên hợp quốc (World Food
Chương trình, 2015).
Tuy nhiên, xác định những địa điểm nào bị ảnh hưởng nhiều hơn sẽ
yêu cầu tiến hành một cuộc khảo sát quy mô lớn để xác định tỷ lệ phần trăm độ tuổi của
các hộ gia đình bị mất an ninh lương thực ở các khu vực khác nhau trên toàn quốc,
mà có thể vừa tốn kém vừa mất thời gian. Đối mặt với vấn đề này, hầu hết các nghiên
cứu hiện có chỉ ghi nhận tình trạng mất an toàn thực phẩm
Các cú sốc trong đại dịch ở cấp quốc gia hoặc khu vực.4 Các nghiên cứu đổi mới của Sev
eral đề xuất dự đoán và nhắm mục tiêu nguy cơ mất an toàn thực phẩm ở cấp độ chi tiết
hơn bằng cách sử dụng dữ liệu viễn thám về địa lý
và thời tiết (ví dụ: Andree, Chamorro, Kraay, Spencer, & và Wang,
Năm 2020; von Carnap, năm 2021; Zhou, Lentz, Michelson, Kim, & và
Baylis, 2021) hoặc kết hợp dữ liệu đó với khảo sát trên điện thoại và điện thoại di động
sử dụng điện thoại (Blumenstock, Cadamuro, & On, 2015; Aiken et al.,
Năm 2021). Những nghiên cứu này khai thác một lượng dữ liệu đáng kể
truyền thống chưa được tận dụng, nhưng chúng cũng yêu cầu sử dụng kỹ thuật máy học
cắt cạnh để xử lý ảnh vệ tinh và
đưa ra dự đoán dựa trên một số lượng lớn các yếu tố. Sư phưc ta p
Tuy nhiên, bản chất của những phương pháp tiên tiến này có thể tạo ra một
rào cản để các nhà hoạch định chính sách áp dụng rộng rãi. Các phương pháp này chủ yếu dựa vào
dựa trên chuyên môn của các nhà nghiên cứu và người lập mô hình để đưa ra quyết định
về dữ liệu và phương pháp nào sẽ sử dụng cũng như các quyết định về biến thể
ables, tham số và giả định cụ thể cho từng phương pháp.5
Chúng tôi đề xuất một cách tiếp cận thay thế cũng dự đoán và nhắm mục tiêu
thực phẩm không an toàn ở cấp độ hạt và chỉ dựa vào một
và phương pháp được sử dụng rộng rãi trong bộ công cụ kinh tế lượng. Bước đầu tiên
là ước tính tác động nhân quả của thu nhập hộ gia đình đối với tình trạng mất an ninh
lương thực. Ước tính tiêu chuẩn của OLS có thể bị sai lệch tiềm năng vì thực phẩm
sự bất an có thể đồng thời ảnh hưởng đến thu nhập bằng cách hạ thấp năng suất, vì vậy
chúng tôi sử dụng mức độ tiếp xúc của địa phương với những thay đổi về việc làm quốc gia để
công cụ cho thu nhập hộ gia đình. Bước thứ hai là kết hợp
ước tính này và thông tin bên ngoài về các cú sốc thu nhập tổng hợp
ở cấp độ ngành trong thời kỳ đại dịch để dự đoán những thay đổi trong thực phẩm
mất an ninh trật tự ở cấp địa phương. Bởi vì chúng tôi chỉ tập trung vào việc dự đoán
những thay đổi, không phải mức độ mất an toàn thực phẩm, chúng tôi chỉ yêu cầu thông tin
về thu nhập thay đổi như thế nào ở cấp ngành. Với giả định rằng đại dịch chủ yếu ảnh
hưởng đến tình trạng mất an ninh lương thực thông qua
kênh mất thu nhập, phương pháp này có thể cung cấp một cách hợp lý và
dự đoán kịp thời mà các nhà hoạch định chính sách có thể nhanh chóng hành động.
Chúng tôi áp dụng cách tiếp cận này để dự đoán và đánh giá thực phẩm tiềm năng
những cú sốc mất an ninh trong thời kỳ đại dịch ở Việt Nam. Năm 2020, Việt Nam là một
trong những quốc gia thành công nhất trong việc
nhiễm trùng bằng các biện pháp kiểm tra hàng loạt nghiêm ngặt, khóa mục tiêu và chính
sách cách ly. Tuy nhiên, vào năm 2021, nước
3
Gundersen, Kreider và Pepper (2011) cho thấy ở Mỹ, 65% hộ gia đình
cận nghèo được đảm bảo về lương thực, trong khi 10% –20% hộ gia đình có thu nhập
cao gấp đôi so với chuẩn nghèo do lương thực không đảm bảo.
4
Xem, ví dụ, Ahn và Norwood, 2020; Wolfson và Leung, năm 2020; Bitler, Hoynes và
và Schanzenbach, 2020; Aggarwal và cộng sự, 2020; Amare, Abay, Tiberti và Chamberlin,
Năm 2021; Hirvonen, de Brauw và Abate, năm 2021; Gupta, Zhu, Doan, Michuda và
Majumder, năm 2021; Nguyen và cộng sự, 2021; Barrett, Upton, Tennant và và Florella, năm 2021;
Gatto và Hồi giáo, năm 2021 trong số nhiều người khác.
5
Zhou và cộng sự. (2021) ghi lại một số lựa chọn mô hình có thể có
hậu quả về dự đoán của các mô hình này.
2
Phát triển Thế giới 153 (2022) 105838
bước vào một làn sóng lây nhiễm mới và nghiêm trọng hơn, buộc nhiều
các cuộc bãi khóa trên diện rộng ở một số vùng của đất nước. Mặc dù thức ăn
mất an ninh được cho là một trong những mối quan tâm lớn của các hộ gia đình
trong giai đoạn này (Yang, Panagoulias, & và Demarchi, 2020), ít
được biết những nơi nào ở Việt Nam bị ảnh hưởng nhiều hơn
mất an ninh lương thực, ngăn cản chính phủ và quốc tế
tổ chức từ việc xác định mục tiêu và phân phối viện trợ. Chúng tôi giải quyết vấn đề này
vấn đề bằng cách dự đoán những cú sốc về mất an ninh lương thực do những thay đổi trong
thu nhập cho 702 quận ở Việt Nam, cho phép xác định các bộ lạc có khả năng bị ảnh
hưởng nhiều nhất.
Trước tiên, chúng tôi sử dụng Khảo sát Stan dard Mức sống Hộ gia đình Việt Nam
2010–2018 (VHLSS) để ước tính ảnh hưởng của cú sốc thu nhập đối với lương thực
sự bất an. Sau đó, chúng tôi sử dụng thông tin từ Ngân hàng Thế giới về các cú sốc thu
nhập khủng khiếp và Khảo sát Lực lượng Lao động (LFS) năm 2019 để đưa ra những thay
đổi về nguy cơ mất an ninh lương thực đối với 702 huyện của Việt Nam.
Tỷ lệ các hộ gia đình bị mất an ninh lương thực được dự đoán sẽ tăng lên bởi
0,82 điểm phần trăm, nhưng một số ít các huyện được dự đoán trước để tăng kinh nghiệm
lên tới 7,86 điểm phần trăm.
Chúng tôi cũng dự đoán mức tăng 0,997 điểm phần trăm trong thị phần
trẻ em dưới 5 tuổi bị mất an ninh lương thực và một số huyện được dự đoán là
để trải qua một mức tăng lớn tới 19,33 điểm phần trăm.
Những dự đoán này cho thấy rằng tác động trung bình của thu nhập
cú sốc trong đại dịch ở Việt Nam có thể nhỏ, nhưng nhất định
các vùng của đất nước có thể bị ảnh hưởng nghiêm trọng hơn những vùng khác.
Nghiên cứu của chúng tôi có hai đóng góp cho tài liệu. Đầu tiên, nó đánh giá cao
số lượng nghiên cứu ngày càng tăng về dự đoán tình trạng mất an toàn thực phẩm ở cấp
địa phương cho các mục đích nhắm mục tiêu, là một phần của
tài liệu rộng hơn về các biện pháp can thiệp và các chính sách cứu trợ thiên tai để
giải quyết tình trạng mất an ninh lương thực trong các trường hợp khẩn cấp .
cách tiếp cận (Barrett, 2010; Lentz & Barrett, 2013): nhắm mục tiêu sai
những nơi tốn kém, trong khi thiếu những nơi không an toàn về thực phẩm có thể có
hậu quả tiêu cực lâu dài đối với các hộ gia đình mất an ninh lương thực
(Brown, Ravallion, & van de Walle, 2018). Mặc dù văn học
cung cấp một số phương pháp tiếp cận máy học để đưa ra dự đoán kịp thời và chi tiết về
tình trạng mất an ninh lương thực cho các mục đích nhắm mục tiêu trong các cuộc khủng hoảng
không liên quan đến COVID-19 (ví dụ: Lentz, Michelson, Baylis và Zhou,
Năm 2019; Andree và cộng sự, 2020; Zhou và cộng sự, 2021), chỉ có hai nghiên cứu tập trung vào
phát triển các phương pháp cụ thể cho đại dịch. Gundersen, Hake,
Dewey và Engelhard (2020) sử dụng cách tiếp cận dựa trên OLS để thay đổi trước những
thay đổi về tình trạng mất an ninh lương thực ở cấp quận ở Hoa Kỳ. Relat edly, Aiken
et al. (2021) đề xuất một khuôn khổ mới để kết hợp dữ liệu
từ hình ảnh vệ tinh và mạng điện thoại di động với khảo sát qua điện thoại
dữ liệu để dự đoán mức độ nghèo đói ở Togo. Giống như Gundersen et al. (2020),
nghiên cứu của chúng tôi cũng dự đoán những thay đổi, chứ không phải mức độ, của tình trạng mất an toàn thực phẩm. chúng tôi
mở rộng các phương pháp trong Gundersen et al. (2020) để giải quyết sự sai lệch về
tính phổ biến trong cách tiếp cận dựa trên OLS tiêu chuẩn. Đề xuất của chúng tôi
phương pháp phù hợp với các nước đang phát triển hơn là
Gundersen và cộng sự. (2020) bởi vì nó sử dụng các bộ dữ liệu thường
có sẵn ở các quốc gia này, bao gồm cả các cuộc tổng điều tra dân số, quốc gia
điều tra hộ gia đình và điều tra lực lượng lao động.
Thứ hai, nghiên cứu của chúng tôi có thể giúp các nhà hoạch định chính sách giải quyết
những vấn đề gia tăng về tình trạng mất an toàn thực phẩm ở Việt Nam và các quốc gia khác .
6
Một số nghiên cứu cho thấy rằng những can thiệp kịp thời như chuyển tiền mặt hoặc thực phẩm có thể
giảm thiểu tình trạng mất an toàn thực phẩm và giảm thiểu bất kỳ tác động tiêu cực nào của việc mất an toàn thực phẩm, chẳng hạn như
Nikulkov, Barrett, Mude, và Wein (2016); Gelli và cộng sự, 2017; Hidrobo, Hoddinott,
Kumar và Olivier, 2018; Christian, Kandpal, Palaniswamy và Rao, 2019; Savy và cộng sự,
Năm 2020 và những người khác. Lentz và Barrett (2013) chỉ ra rằng các chính sách hỗ trợ lương thực có
lợi nhuận cao nhất khi nhắm mục tiêu đến trẻ em dưới 2 tuổi.
7
Nghiên cứu của chúng tôi cũng liên quan đến một tài liệu chuyên sâu về các yếu tố gây mất an toàn thực phẩm
chẳng hạn như lượng mưa (Niles & Brown, 2017), thu nhập từ nông nghiệp (Kuma, Dereje, Hirvonen, &
Minten, 2019), sản xuất trang trại (Jones, Shrinivas, & Bezner-Kerr, 2014) và kinh tế
lỗ hổng bảo mật (Chaaban, Ghattas, Irani và Thomas, 2018).
Bởi vì chúng tôi chỉ tập trung vào dự báo mất an ninh lương thực, nghiên cứu của chúng tôi chỉ mang tính gián tiếp
số 8
liên quan đến một tài liệu sâu rộng về đo lường tác động của đại dịch đối với thực phẩm
mất an ninh đặc biệt là ở các nước đang phát triển. Xem Picchioni, Goulao và Roberfroid
(2021) và Béné et al. (2021) cho các đánh giá hệ thống gần đây về chủ đề này.
Machine Translated by Google
K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al.
trường hợp của Việt Nam, một cuộc khảo sát qua điện thoại quốc gia do Ngân
hàng Thế giới thực hiện chỉ ra rằng 33% hộ gia đình lo ngại về việc không có
đủ lương thực (Yang và cộng sự, 2020), nhưng huyện nào bị ảnh hưởng nhiều
hơn vẫn chưa được biết. Trong khi Việt Nam tiếp tục phải đối mặt với những
làn sóng lây nhiễm mới với các lệnh cấm vận rộng rãi, thì việc các nhà hoạch
định chính sách phải phác thảo một phản ứng nhanh chóng và có mục tiêu để giảm
bớt tác động kinh tế của đại dịch ở Việt Nam ngày càng trở nên quan trọng. Sử
dụng thông tin về các cú sốc thu nhập vào năm 2020, nghiên cứu của chúng tôi
lập bản đồ các cú sốc về mất an ninh lương thực được dự báo ở cấp độ khu
vực, cho phép các nhà hoạch định chính sách xác định các quận có thể cần hỗ
trợ nhiều hơn các quận khác. Các nhà hoạch định chính sách cũng có thể áp
dụng phương pháp đề xuất của chúng tôi để dự đoán các cú sốc về mất an ninh
lương thực khi thảm họa kinh hoàng tiếp diễn hoặc các cú sốc khác ở Việt Nam
và các nước đang phát triển khác.
Phần còn lại của bài báo này được tổ chức như sau. Phần 2 tóm tắt các
tác động của COVID-19 đối với nền kinh tế Việt Nam. Phần 3 đề xuất một khuôn
khổ thực nghiệm để dự đoán những thay đổi trong tình trạng mất an ninh lương
thực do các cú sốc thu nhập theo ngành cụ thể và mô tả dữ liệu được sử dụng.
Phần 4 báo cáo kết quả hồi quy. Phần 5 áp dụng khuôn khổ dự đoán những thay
đổi về mất an ninh lương thực ở Việt Nam vào năm 2020 và thảo luận về các
hàm ý chính sách. Phần 6 tóm tắt các bài học từ những dự đoán của chúng tôi
và thảo luận về những cảnh báo khác nhau của phương pháp được đề xuất.
2. Tác động của COVID-19 đối với nền kinh tế Việt Nam
Trong phần này, chúng ta sẽ thảo luận ngắn gọn về cách đại dịch tiến triển
ở Việt Nam và hậu quả kinh tế của nó từ tháng 1 năm 2020 đến tháng 7 năm 2021.
Năm trường hợp nhiễm COVID-19 đầu tiên được phát hiện trong tuần cuối cùng
của tháng 1 năm 2020. Kể từ đó, một số biện pháp y tế công cộng đã được thực
hiện để ngăn chặn sự lây lan của virus, do đó đã ảnh hưởng đến nền kinh tế.
Vào ngày 1 tháng 2 năm 2020, các chuyến bay giữa Trung Quốc và Việt Nam đã bị
hủy bỏ (Tuổi Trẻ online, 2020). Biên giới giữa hai nước cũng bị thắt chặt,
làm gián đoạn xuất khẩu nông sản từ Việt Nam sang Trung Quốc (BBC, 2020). Hơn
nữa, điều này ảnh hưởng mạnh đến du lịch, một ngành quan trọng của Việt Nam.
Theo Tổng cục Du lịch (2021b), Việt Nam đón 18 triệu lượt khách du lịch quốc
tế vào năm 2019 và đạt doanh thu 27,5 tỷ USD vào năm 2018, bằng khoảng 11%
GDP năm 2018 (Tổng cục Du lịch Việt Nam, 2021a). Sau những hạn chế đi lại
được áp dụng vào tháng 2 năm 2020, ngành du lịch Việt Nam đã mất đi 32%
lượng khách quốc tế (chủ yếu đến từ Trung Quốc). Bắt đầu từ tháng 3 năm 2020,
tất cả các chuyến bay đến Việt Nam đều bị hủy do dịch bệnh bùng phát ở EU và
Mỹ. Chính phủ Việt Nam cũng đã áp đặt lệnh cách biệt xã hội trong hai tuần
vào ngày 1 tháng 4 năm 2020. Những sự kiện này đã tạo ra những cú sốc đối với
cả cung và cầu trong lĩnh vực du lịch cũng như các ngành liên quan khác
trong lĩnh vực dịch vụ.
Trật tự cách biệt xã hội vào tháng 4 cũng ảnh hưởng đến các ngành sản
xuất do yêu cầu thêm khoảng cách giữa các công nhân.
Theo Bộ Công Thương (MOIT), chỉ số sản xuất thử nghiệm indus đã giảm 18%
vào tháng 4 năm 2020 và chỉ phục hồi về mức trước khoảng cách vào tháng 6
năm 2020. Trong khi đó, sự bùng phát cũng tạo ra sự gián đoạn chuỗi cung ứng
trong các nhà sản xuất. lĩnh vực. Theo một cuộc điều tra do Tổng cục Thống kê
Việt Nam (GSO) thực hiện vào tháng 4 năm 2020, 42,8% doanh nghiệp được khảo
sát cho biết nguồn cung thiếu hụt và con số này tăng lên hơn 70% trong ngành
may mặc (GSO, 2020b). Vấn đề này phần nào đã được giải quyết khi Trung Quốc,
Hàn Quốc và Nhật Bản mở cửa kinh tế trở lại và nhập khẩu của Việt Nam trong 7
tháng đầu năm 2020 thấp hơn cùng kỳ năm 2019, chỉ 2,9% (Bộ Công Thương,
2020).
Trong khi cú sốc nguồn cung ban đầu giảm bớt khi nước này thành công đã
ngăn chặn hoàn toàn làn sóng virus đầu tiên, Việt Nam vẫn phải đối mặt với
nhu cầu thấp hơn từ các nước nhập khẩu do chuỗi cung ứng toàn cầu
3
Phát triển Thế giới 153 (2022) 105838
vấn đề. Ví dụ, trong bảy tháng đầu năm 2020, ngành may mặc và da giày xuất
khẩu ít hơn năm 2019 là 12%. Để đối phó với nhu cầu thấp hơn do đại dịch, các
công ty cho biết đã cắt giảm chi phí bằng cách chấm dứt hợp đồng lao động, sa
thải công nhân, cắt giảm khối lượng công việc và / hoặc cắt giảm lương.9
Điều này dẫn đến nguy cơ mất an toàn thực phẩm cao hơn, đặc biệt là đối với
phụ nữ và thu nhập thấp công nhân lành nghề.
Đợt đầu tiên ở Việt Nam kết thúc vào tháng 4 năm 2020 khi cả nước không
ghi nhận trường hợp lây truyền cục bộ mới trong gần ba tháng.
Tuy nhiên, làn sóng thứ hai bắt đầu vào tháng 7 năm 2020 khi có một số trường
hợp mới và tử vong ở nhiều thành phố, buộc các địa phương phải đóng cửa. Sau
làn sóng thứ hai, sự phục hồi kinh tế chậm lại. Theo Ngân hàng (2020), nền
kinh tế Việt Nam tăng trưởng chậm hơn vào tháng 8 năm 2020 so với những
tháng trước đó. Doanh số bán lẻ tăng 5,2% trong tháng 7 năm 2020 và chỉ 2,3%
vào tháng 8 năm 2020. Dòng vốn FDI cũng giảm đáng kể; vào tháng 7 năm 2020
là 3,1 tỷ đô la Mỹ nhưng giảm xuống còn 720 triệu đô la Mỹ vào tháng 8 năm
2020. Tại Việt Nam, những người lao động dễ bị tổn thương tiếp tục lo lắng
về kết quả tài chính trong tương lai (Dang & Giang, 2020).
Làn sóng thứ ba bắt đầu vào cuối tháng 1 năm 2021 và nhanh chóng lan rộng
trên toàn quốc, buộc một số tỉnh thành phải đóng cửa cho đến tháng 3 năm 2021
(Bộ Y tế, năm 2021). Vào đầu tháng 5 năm 2021, các phương tiện truyền thông
nhà nước và nước ngoài đã đưa ra cảnh báo về một làn sóng thứ tư mạnh mẽ
khi các ca bệnh mới được phát hiện ở Hà Nội, Vĩnh Phúc và Hà Nam (BBC, 2021).
Đợt lây nhiễm thứ tư bắt đầu vào đầu tháng 5 năm 2021 và Việt Nam tiếp tục
vật lộn với việc ngăn chặn nó kể từ tháng 7 năm 2021. Đợt này là nghiêm trọng
nhất cho đến nay, vì số ca mắc mới từ tháng 5 chiếm 84% tổng số ca bệnh ở
Việt Nam. đến thời điểm này. Các cường quốc công nghiệp, bao gồm Thành phố
Hồ Chí Minh, Bắc Ninh và Bắc Giang, là tâm điểm của làn sóng này.
Việc cắt giảm có mục tiêu và theo dõi hợp đồng đã được thực hiện trên toàn
quốc, ảnh hưởng đến 15 triệu lao động trong quý 2 và quý 3 năm 2021 (GSO,
2021). Mức độ đầy đủ của các tác động kinh tế của làn sóng thứ tư và đại dịch
đối với Việt Nam vẫn chưa rõ ràng do các biến thể mới như biến thể Omicron
tiếp tục
hiện ra.
Với những tác động kinh tế này, người ta có thể mong đợi đại dịch sẽ gây
ảnh hưởng nghiêm trọng đến tình trạng mất an ninh lương thực. Khi thu nhập
hộ gia đình giảm do đại dịch, các hộ gia đình ít có khả năng mua thực phẩm bổ
dưỡng, điều này đe dọa đến an ninh lương thực của họ. Chúng tôi minh họa
mối quan hệ giữa mất an ninh lương thực và thu nhập trong Hình 1 bằng cách
vẽ biểu đồ thu nhập trung bình hàng tháng của cấp tỉnh so với tỷ lệ hộ mất an
ninh lương thực ở (a) cũng như tỷ lệ hộ nghèo cấp tỉnh so với tỷ lệ hộ gia
đình mất an ninh lương thực ở (b). Các tỉnh có thu nhập bình quân cao hơn
và tỷ lệ hộ nghèo thấp hơn có xu hướng có tỷ lệ hộ mất an ninh lương thực
thấp hơn. Trong phần tiếp theo, chúng tôi sẽ thảo luận chi tiết về cách dự
đoán các cú sốc về mất an ninh lương thực do đại dịch ở Việt Nam.
3. Chiến lược thực nghiệm
3.1. Dữ liệu
Như chúng ta sẽ thảo luận trong phần tiếp theo, phương pháp được đề
xuất trong nghiên cứu này yêu cầu dữ liệu cho hai bước: (1) ước tính mối
quan hệ nhân quả giữa thu nhập hộ gia đình và tình trạng mất an toàn thực
phẩm và (2) dự đoán những thay đổi về mất an toàn thực phẩm ở cấp huyện bằng
cách kết hợp ước tính từ bước đầu tiên với thông tin bên ngoài về các cú sốc
thu nhập. Chúng tôi sử dụng Điều tra mức sống hộ gia đình Việt Nam 2010–2018
(VHLSS) cho bước ước tính. VHLSS là cuộc điều tra định kỳ 6 tháng do Tổng
cục Thống kê Việt Nam (GSO) thực hiện. Mỗi đợt dữ liệu bao gồm gần 9.400 ngôi
nhà
9
Vào tháng 4 năm 2020, GSO báo cáo rằng 66,8% doanh nghiệp áp dụng ít nhất một trong các biện
pháp này GSO (2020b) và cuộc Điều tra lao động việc làm báo cáo rằng 30,8 triệu lao động bị ảnh
hưởng trong quý 2 (GSO, 2020a).
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

Hình 1. Tương quan giữa thu nhập cấp tỉnh và tỷ lệ hộ nghèo với tỷ lệ hộ gia đình mất an ninh lương thực năm 2018. Lưu ý: Hình (a) cho thấy biểu đồ phân tán của cấp tỉnh
tỷ lệ hộ thiếu lương thực và thu nhập bình quân đầu người hàng tháng. Hình (b) cho thấy một biểu đồ phân tán về tỷ lệ hộ gia đình mất an ninh lương thực ở cấp tỉnh và
phần hộ nghèo. Một hộ gia đình được định nghĩa là không an toàn về thực phẩm khi tỷ lệ calo từ lương thực chính của họ vượt quá 84% (xem thêm trong phần tiếp theo). Một hộ gia đình là
được định nghĩa là nghèo khi thu nhập bình quân đầu người hàng tháng của họ giảm xuống dưới mức chuẩn nghèo quốc gia. Dữ liệu được lấy từ Điều tra mức sống hộ gia đình Việt Nam năm 2018.

giữ các quan sát và khoảng 36.000 quan sát riêng lẻ có khoảng 14 triệu quan sát và là đại diện ở cấp độ phân loại.

trên toàn quốc. Tập dữ liệu này rất phù hợp để ước tính hiệu quả

thu nhập của hộ gia đình về tình trạng mất an toàn thực phẩm đối với hai người con

trai chính. Đầu tiên, nó chứa nhiều biến liên quan đến thực phẩm gia dụng
3.2. Đo lường mức độ an toàn vệ sinh thực phẩm
tiêu dùng và mất an toàn thực phẩm, cho phép chúng tôi xây dựng các biện pháp khác

nhau về mất an toàn thực phẩm dựa trên chất lượng dinh dưỡng .
Theo Bickel, Nord, Price, Hamilton và và Cook, 2000,

an ninh lương thực là khi được tiếp cận với nguồn dinh dưỡng đầy đủ, an toàn và
để kiểm soát mọi xu hướng dài hạn về thu nhập và mất an ninh lương thực tại
thực phẩm được xã hội chấp nhận không bị hạn chế hoặc không chắc chắn. Theo sau cái này
cấp tỉnh. Tuy nhiên, có hai lưu ý quan trọng của
định nghĩa, có ba khái niệm cốt lõi xác định một thực phẩm không an toàn
VHLSS không phù hợp với bước dự đoán: (1) mới nhất
hộ gia đình: tính sẵn có, khả năng tiếp cận và sử dụng (Webb et al.,
làn sóng có sẵn là năm 2018, trong khi các cú sốc thu nhập được báo cáo bởi
Năm 2006; Barrett, 2010). Tùy thuộc vào tính khả dụng của dữ liệu và
Ngân hàng Thế giới là một so sánh giữa năm 2020 và 2019; và (2)
bối cảnh, các nhà nghiên cứu có thể sử dụng proxy cho các khía cạnh khác nhau này của
lấy mẫu của nghiên cứu không được thiết kế để tính toán tổng hợp tại
mất an toàn vệ sinh thực phẩm. Trong nghiên cứu này, chúng tôi tập trung vào việc đo lường việc sử dụng
cấp huyện; nghĩa là, nó không có đủ quan sát cho mỗi
khía cạnh của tình trạng mất an toàn thực phẩm, phản ánh mối quan tâm về việc liệu
huyện để tổng hợp.
các hộ gia đình tận dụng tốt thực phẩm mà họ có thể tiếp cận
Do những hạn chế này, chúng tôi sử dụng Khảo sát Lực lượng Lao động (LFS) trong
(Barrett, 2010).
2019 cho bước dự đoán. Cuộc khảo sát được thực hiện hàng năm bởi
Theo dõi Baylis, Fan và Nogueira (2019) và Jensen và
TCTK và bao gồm hơn 800.000 cá nhân từ khoảng
Miller (2010), chúng tôi định nghĩa một hộ gia đình không an toàn về thực phẩm là một hộ gia đình
200.000 hộ gia đình trên 702 quận, huyện. Các hộ gia đình được chọn
với tỷ lệ calo từ các mặt hàng chủ lực vượt quá 84%. Đây
từ phương pháp lấy mẫu ngẫu nhiên phân tầng mang tính đại diện
ở cấp huyện. LFS tập trung vào thông tin thị trường lao động cách tiếp cận tuân theo Định luật Bennett rằng mọi người tiêu thụ nhiều hơn

thực phẩm giàu chất dinh dưỡng và giảm tiêu thụ thực phẩm thiết yếu giàu calo khi
số lượng cá nhân trong độ tuổi lao động hợp pháp, bao gồm tình trạng việc làm, thu
thu nhập của họ tăng lên. Vì các hộ gia đình trước đó đã yêu cầu calo của họ cho
nhập, khối lượng công việc và có nhân khẩu học
các hoạt động cơ bản, sự thay đổi từ
thông tin về tất cả các thành viên trong gia đình. LFS cho phép tổng hợp
tiêu thụ thực phẩm chủ yếu giàu calo sang thực phẩm không phải thực phẩm chủ yếu
dữ liệu ở cấp huyện và dữ liệu mới nhất có sẵn cho năm 2019,
giàu protein hơn ngụ ý rằng các hộ gia đình đã đạt được mong muốn của họ
có thể so sánh với năm 2020 hơn so với làn sóng VHLSS mới nhất trong
lượng calo. Cách tiếp cận này thuộc khái niệm sử dụng
2018. Tuy nhiên, dữ liệu LFS không có thông tin về tình trạng tiêu thụ thực phẩm,
mất an toàn thực phẩm, vì nó liên quan đến việc các hộ gia đình sử dụng thực phẩm
đó là lý do tại sao chúng tôi không thể sử dụng nó cho bước ước tính. Trong
cần thiết về mặt dinh dưỡng hay thực phẩm kém dinh dưỡng
Bảng 1, chúng tôi cung cấp thống kê tóm tắt cho dữ liệu hộ gia đình từ
(Barrett, 2010). Jensen và Miller (2010) nhận thấy rằng một người trưởng thành ở Trung Quốc
VHLSS năm 2010–2018 và Cuộc điều tra lao động việc làm năm 2016, 2018 và 2019.
sẽ không đáp ứng nhu cầu dinh dưỡng của anh ấy nếu phần calo của anh ấy
Biến công cụ của chúng tôi là tỷ trọng việc làm của người trưởng thành tại
ries từ gạo, lúa mì và lương thực thiết yếu khác vượt quá 84%. Chúng tôi cũng
cấp huyện-ngành năm 2009 gấp nhiều lần việc làm trên toàn quốc
sử dụng 84% lượng calo chủ yếu này để xác định thực phẩm không an toàn
tăng trưởng của từng ngành. Chúng tôi xây dựng biến này bằng cách sử dụng 2009
hộ cho rằng Việt Nam và Trung Quốc là tương đương nhau. Với bảng phiên bản lừa
Tổng điều tra dân số và nhà ở. Cuộc điều tra dân số được tiến hành cứ sau mười
11
đảo từ Thi, Simioni và Thomas-Agnan (2018), chúng tôi

năm của TCTK và chứa thông tin của toàn bộ dân số

tính toán lượng calo hàng tháng theo danh mục thực phẩm và xây dựng
chẳng hạn như nhân khẩu học, di cư, trình độ học vấn, việc làm, mức sinh, tỷ lệ
một biến giả bằng 0 khi chia sẻ calo chủ yếu dưới đây
tử vong và chất lượng nhà ở. Chúng tôi sử dụng 15%
84% và 1 khi tỷ trọng trên 84%. Biến nhị phân này là của chúng tôi
mẫu do Trung tâm Dân số Minnesota cung cấp, 2019 ,
thước đo chính về kết quả mất an toàn thực phẩm.

Có những phương pháp khác để đo lường mức độ an toàn thực phẩm. Một
10
Ngoài việc chứa nhiều thông tin về tiêu dùng gia đình, Phương pháp tiếp cận là sử dụng lượng calo để xác định tình trạng mất an toàn thực
VHLSS là một bảng xoay, trong đó 50% mẫu xuất hiện trong hai lần liên tiếp
phẩm: nghiên cứu xác định nhu cầu tối thiểu của lượng calo tiêu thụ trong một ngày. Vì
khảo sát và một hộ gia đình chỉ có thể được theo dõi trong ba đợt. Chúng tôi tận dụng lợi thế của
tính năng độc đáo này để tạo một mẫu phụ với dữ liệu bảng cấp hộ gia đình cho một
11
đặc điểm kỹ thuật hiệu ứng cố định hộ gia đình. Bảng tổng hợp của Viện Dinh dưỡng Quốc gia (2007).

4
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

Bảng 1

Thống kê tóm tắt.

Bảng A: 2010–2018 VHLSS

Biến 2010 2012 2014 2016 2018

Bần tiện (ĐN) Bần tiện (ĐN) Bần tiện (ĐN) Bần tiện (ĐN) Bần tiện (ĐN)

Chia sẻ calo chủ yếu (%) 75,12 (11,40) 74,89 (10,84) 72,64 (11,60) 70,87 (11,16) 68,90 (11,76)
Thực phẩm xây dựng mất an toàn (%) 21,83 (41,31) 19,78 (39,83) 14,12 (34,83) 11,04 (31,34) 7,81 (26,83)
Tự báo cáo về tình trạng mất an toàn thực phẩm (%) 4,64 (21,04) 3,74 (18,98) 2,62 (15,99) 1,85 (13,47) 1,23 (11,00)
Điểm đa dạng về khẩu phần ăn của hộ gia 10,01 (1,54) 10,07 (1,51) 10,16 (1,56) 10,25 (1,45) 10,26 (1.54)
đình Thu nhập hàng năm ('000,000, 2010 VNĐ) 66,36 (117,25) 71,09 (78,90) 75,96 (76,34) 84,88 (83,76) 100,48 (95,18)
Quy mô hộ gia đình 3,95 (1,56) 3,91 (1,56) 3,84 (1,57) 3,81 (1,60) 3,74 (1,60)
Thành thị (%) 28,26 (45,03) 28,80 (45,29) 29,76 (45,72) 30,33 (45,97) 30,30 (45,96)
Không. Quan sát 9,267 9.278 9,297 9,302 9.299

Bảng B: Cuộc LFS 2016, 2018 & 2019

Biến 2016 2018 2019

Bần tiện SE Bần tiện SE Bần tiện SE

Thu nhập hàng năm ('000,000, 2010 VNĐ) 71,98 (72,17) 3,78 78,25 (71,78) 3,77 82,20 (71,84)
Quy mô hộ gia đình (1,55) 42,68 (49,46)
206.385 (1,57) 42,67 (49,46)
208.905 3,70 (1.56)
Số quan sát Thành 42,63 (49,45)
thị 212.040

ví dụ, Abebaw, Admassie, Kassa và Padoch (2020) xác định một
hộ gia đình không an toàn về thực phẩm khi sử dụng 2.200 tương đương với người lớn
calo hoặc ít hơn mỗi ngày. Tuy nhiên, các biện pháp đó có thể không
thích hợp bởi vì không có cách nào nhất quán để tính toán
đơn vị tương đương người lớn. Thị và cộng sự. (2018) so sánh các ước tính
lượng calo trung bình tương đương với người lớn ở cấp hộ gia đình
từ các nghiên cứu sử dụng các phương pháp khác nhau trên VHLSS năm 2004, và kết
khi bị đóng cửa trong đại dịch, các hộ gia đình có thể rơi vào tình trạng
thiếu lương thực và giảm tiêu thụ thực phẩm đắt tiền hơn để giải quyết vấn đề
tiêu thụ thực phẩm (Hirvonen và cộng sự, 2021), có nghĩa là thành phần
tiêu thụ thực phẩm có thể có liên quan hơn so với vấn đề tổng thể. Với hai
lý do này, chúng tôi quyết định không sử dụng biện pháp tự báo cáo làm thước
đo chính về mất an toàn thực phẩm.14
Một biện pháp thường được sử dụng khác là chế độ ăn uống trong gia đình

quả ước tính có thể dao động từ 2.300 đến 3.300 calo mỗi ngày điểm đa dạng (HDDS) (Swindale & Bilinsky, 2016; Maxwell,

qua các phương pháp khác nhau. Cho rằng kết quả rất nhạy cảm Vaitla & Coates, 2014). Tuy nhiên, HDDS chỉ tính số loại thực phẩm mà các hộ gia

để lựa chọn một phương pháp tương đương với người lớn, sử dụng lượng calo để đình tiêu thụ và không

đo lường mất an toàn thực phẩm sẽ dẫn đến vấn đề tương tự. chiếm chiều sâu của tình trạng mất an toàn thực phẩm về số lượng thực phẩm.

Một cách tiếp cận phổ biến khác là sử dụng thông tin tự báo cáo về Nói cách khác, điểm số sẽ tính đến các hộ gia đình có

mất an toàn vệ sinh thực phẩm. Trong khía cạnh bền vững, các nhà nghiên cứu HDDS cao nhưng vẫn bị thiếu dinh dưỡng. HDDS cũng

có thể đo lường an ninh lương thực bằng cách hỏi xem một hộ gia đình có thường được tính toán bằng cách sử dụng dữ liệu tiêu thụ thực phẩm hàng ngày hoặc hàng tuần;

đã có hai bữa ăn mỗi ngày trong 12 tháng qua hoặc nếu các hộ gia đình có tuy nhiên, chúng tôi chỉ có dữ liệu hàng tháng, vì vậy điều này có thể phóng đại

không có đủ thức ăn để ăn trong bất kỳ tháng nào trong vòng 12 tháng qua đa dạng chế độ ăn uống. Hơn nữa, sự đa dạng trong chế độ ăn uống có thể được giải thích

(ví dụ: Kuku, Gundersen, & Garasky, 2011; Ratcliffe, McKernan, & bởi khí hậu hoặc văn hóa; ví dụ, khí hậu nhiệt đới có liên quan

Zhang, 2011; Verpoorten, Arora, Stoop, & Swinnen, 2013; với đa dạng sinh học cao hơn và do đó đa dạng chế độ ăn uống cao hơn. Vì

Gundersen, Kreider, & Pepper, 2017; Abebaw và cộng sự, 2020). Ngoài ra, kiểu tiếp lý do này, không có ngưỡng HDDS chung cho một hộ gia đình không an toàn về thực

cận này có thể đo lường thứ nguyên sử dụng phẩm ở các quốc gia khác nhau (Deitchler, Ballard,

bằng cách hỏi các hộ gia đình xem họ có tiêu thụ thực phẩm ít ưa thích hơn không Swindale, & và Coates, 2010), là một ngưỡng hoạt động trong

hoặc bữa ăn không cân bằng (Ratcliffe et al., 2011). một quốc gia có thể không hoạt động ở một quốc gia khác.

Phương pháp tự báo cáo có vấn đề trong cài đặt của chúng tôi cho hai Để minh họa cho vấn đề ngưỡng mất an toàn vệ sinh thực phẩm

lý do chính. Đầu tiên, một hộ gia đình chỉ trả lời câu hỏi về sử dụng HDDS, trong Hình 2a, chúng tôi vẽ biểu đồ điểm HDDS trung bình theo thu nhập

mất an toàn vệ sinh thực phẩm khi đã được công nhận là '' hộ nghèo ” nhóm và các ngưỡng được sử dụng để xác định thực phẩm không an toàn

của chính phủ trong năm năm qua; nói cách khác, một hộ gia đình không nghèo mặc các hộ gia đình bằng các nghiên cứu về mất an toàn thực phẩm khác (ví dụ: Vaitla, Coates, &

nhiên không bị coi là mất an ninh lương thực. Maxwell, 2015; Vaitla và cộng sự, 2017; Lentz và cộng sự, 2019). Tượng

Cách tiếp cận này sẽ đánh giá thấp số lượng thực phẩm không an toàn cho thấy rằng ngay cả nhóm thu nhập thấp nhất trong dữ liệu của chúng tôi cũng có

hộ gia đình bằng cách loại trừ nhóm cận nghèo và dẫn đến lựa chọn điểm HDDS theo độ tuổi vượt quá tất cả các ngưỡng này. Vì vậy,

sai lệch khi ước tính ảnh hưởng của thu nhập hộ gia đình đến mức lương thực thực các ngưỡng HDDS này được sử dụng trong các nghiên cứu khác hoặc các quốc gia khác

phẩm. Nếu chính phủ thay đổi định nghĩa về hộ nghèo, nó cũng có thể dẫn đến những không thể áp dụng ở Việt Nam vì tất cả các hộ gia đình

thay đổi giả tạo về tình trạng mất an ninh lương thực sẽ được phân loại là không phải thực phẩm không an toàn.15 Sử dụng kết quả chính của chúng tôi

sự phổ biến. phần calo từ thực phẩm chủ yếu và phần cắt giảm 84% từ
Thứ hai, việc đặt câu hỏi liệu các hộ gia đình có đủ lương thực để đảm bảo an Jensen và Miller (2010); do Việt Nam và Trung Quốc tương đối
toàn vệ sinh thực phẩm hay không có thể gây hiểu lầm trong bối cảnh của Việt Nam. tương tự hơn, chúng tôi không quan sát thấy vấn đề như vậy trong cách tiếp cận của chúng tôi,

Là nước xuất khẩu gạo lớn thứ hai trên thế giới, như được thấy trong Hình 2b.

giá gạo ở Việt Nam có thể rẻ tới 22 xu một pound, 12

nhưng thực phẩm giàu dinh dưỡng thì đắt hơn. Ví dụ, đơn vị
giá thịt lợn đắt gấp 10 lần giá gạo.13 Do đó,
14
Một vấn đề khác, mặc dù không quá nghiêm trọng, là dữ liệu tự báo cáo có thể
thiếu hụt dinh dưỡng có thể là một mối quan tâm đáng kể hơn
không nhất quán theo thời gian. Trong trường hợp của VHLSS, một hộ gia đình được coi là
số bữa ăn trong ngày. Hơn nữa, do tính chất ngắn hạn
bảo hiểm lương thực nếu hộ gia đình đó không có đủ hai bữa ăn một ngày tại một số điểm ở
2012–2018, nhưng trong năm 2010, một hộ gia đình không an toàn về thực phẩm nếu họ báo cáo rằng họ không có

đủ thức ăn.
12 15
Nguồn (tiếng Việt): Vietnambiz (2020b) Vì lý do này, chúng tôi phải chọn mức giới hạn HDDS cao hơn cho các hộ gia đình không an toàn về thực phẩm
13
Nguồn (tiếng Việt): Vietnambiz (2020a) để phân tích của chúng tôi.

5
Machine Translated by Google
K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al.
Hình 2. Các biện pháp mất an toàn thực phẩm theo nhóm thu nhập, 2010–2018. Lưu ý: Hình này cho thấy trung bình và độ lệch chuẩn cho Điểm Đa dạng Chế độ Ăn uống của Hộ gia đình (HDDS),
và phần calo chủ yếu được ước tính cho mười lượng thu nhập. Đối với biện pháp HDDS, chúng tôi cũng đưa ra các ngưỡng giới hạn chung để xác định các hộ gia đình không an toàn về thực phẩm (ví dụ: Vaitla
và cộng sự, 2015; Vaitla và cộng sự, 2017; Lentz và cộng sự, 2019). Đối với phần calo chủ yếu, chúng tôi đưa ra mức giới hạn về thực phẩm không an toàn được ước tính (Jensen & Miller, 2010) cho Vũ Hán, Trung Quốc, mà chúng tôi
cũng được sử dụng trong nghiên cứu này.
Để kiểm tra tính chắc chắn của ước tính hồi quy của chúng tôi,
chúng tôi cũng sử dụng các biện pháp mất an toàn thực phẩm từ việc tự báo cáo và
điểm đa dạng về chế độ ăn uống như là kết quả thay thế, cả hai
là các biến nhị phân. Biến số tự báo cáo về tình trạng mất an toàn thực phẩm là
bằng một nếu một hộ gia đình không có đủ hai bữa ăn
mỗi ngày trong một tháng trở lên và bằng không nếu không. Không có
giới hạn chung cho HDDS để xác định một hộ gia đình không an toàn về thực phẩm
dựa trên điểm đa dạng về chế độ ăn uống, nhưng hướng dẫn chính thức của
HDDS gợi ý rằng mức độ đa dạng mục tiêu có ý nghĩa có thể
được thiết lập dựa trên điểm số trung bình của 33% người giàu nhất nắm giữ nhà
(Swindale & Bilinsky, 2006). Chúng tôi tuân theo hướng dẫn này và
đặt giá trị ngưỡng cho HDDS ở 10; nghĩa là thực phẩm dựa trên HDDS
biến không an toàn là một nếu điểm đa dạng về chế độ ăn uống thấp hơn
10 và 0 nếu điểm trên 10. Tuy nhiên, mức giới hạn này có thể xảy ra
dẫn đến tỷ lệ hộ gia đình mất an ninh lương thực được đánh giá quá cao
bởi vì định nghĩa này ngụ ý rằng chỉ có 33% người giàu nhất trong gia đình không
bị mất an ninh lương thực.
Để xem các biện pháp bảo vệ an toàn thực phẩm khác nhau thực sự khác nhau như thế nào
dữ liệu của chúng tôi, chúng tôi sử dụng VHLSS 2010–2018 để lập bản đồ cấp tỉnh
Tỷ lệ hộ gia đình không an toàn về lương thực theo thời gian sử dụng (a) biện
pháp tự báo cáo, (b) đo lường dựa trên HDDS, và (c) lượng calo chủ yếu
đo lường dựa trên chia sẻ trong Hình 3. Để so sánh, chúng tôi cũng lập bản đồ từng
Tỷ lệ hộ nghèo của tỉnh, được định nghĩa là những hộ có
thu nhập bình quân đầu người hàng tháng thấp hơn chuẩn nghèo quốc gia
trong Hình (d). Chúng tôi quan sát thấy rằng các tỉnh có tỷ lệ người nghèo cao
hơn cũng có tỷ lệ hộ gia đình mất an ninh lương thực cao hơn trên tất cả
ba biện pháp. Các tỉnh vùng sâu, vùng xa, miền núi,
bao gồm Đông Bắc, Tây Bắc và Tây Nguyên, có xu hướng
tỷ lệ đói nghèo và mất an ninh lương thực cao hơn. Có stark
sự khác biệt giữa các biện pháp kiểm tra an toàn thực phẩm khác nhau. Trên
một mặt, tỷ lệ mất an toàn thực phẩm tự báo cáo có xu hướng thấp hơn đáng kể so
với tỷ lệ hộ nghèo giữa các tỉnh và các năm,
xác nhận vấn đề thiên lệch lựa chọn mà chúng ta thảo luận ở trên. Trên
mặt khác, tỷ lệ mất an toàn thực phẩm dựa trên HDDS có xu hướng
cao hơn đáng kể so với tỷ lệ nghèo đói, trong khi
tỷ lệ mất an toàn thực phẩm dựa trên chia sẻ calo theo dõi chặt chẽ với
tỷ lệ đói nghèo. Chúng tôi cũng quan sát thấy rằng nghèo đói giảm dần theo thời gian; 16
Đồng thời, chúng tôi nhận thấy tình trạng mất an toàn vệ sinh thực phẩm tự báo cáo
16
Việc giảm nghèo nhanh chóng có thể được giải thích bởi sự bùng nổ của lĩnh vực xuất khẩu và
nhu cầu trong nước tăng (Ngân hàng Thế giới, 2018).
6
Phát triển Thế giới 153 (2022) 105838
tăng (đặc biệt là năm 2016) 17 trong khi tình trạng mất an ninh lương thực dựa trên HDDS
vẫn tương đối ổn định. Ngược lại, những thay đổi của tình trạng mất an toàn vệ sinh thực phẩm
dựa trên phương pháp chia sẻ calo chủ yếu cũng theo dõi chuyển động
tỷ lệ đói nghèo. Điều này cho thấy rằng việc đo lường mức độ an toàn thực phẩm
sử dụng phương pháp chia sẻ calo chủ yếu là hợp lý trong bối cảnh của Việt Nam. Chúng tôi
thảo luận thêm về hiệu lực của biện pháp này trong Phụ lục B.
3.3. Mô hình kinh tế lượng
Chúng tôi đề xuất một cách tiếp cận đơn giản để dự đoán nguy cơ mất an toàn thực phẩm
gây ra bởi những cú sốc lớn về thu nhập bằng cách sử dụng các cuộc khảo sát mức
sống hộ gia đình trong quá khứ và thông tin bên ngoài về ngành cụ thể
các cú sốc thu nhập, thường được báo cáo bởi chính phủ hoặc
các tổ chức quốc tế. Mặc dù chúng tôi tập trung vào các cú sốc thu nhập
trong một đại dịch, phương pháp này cũng có thể được áp dụng cho thu nhập
chấn động trong các trường hợp khẩn cấp khác. Hãy Yit biểu thị biến đi ra nhị
phân cho biết hộ gia đình tôi có thực phẩm không an toàn hay không
trong khoảng thời gian t, hãy xem xét mô hình xác suất tuyến tính sau:
ð ¼ 1jincomeit
Pr Yit ; Zit ¼ b: Incomeit þ Zith; ð1Þ
THỨ TỰ
nơi Pr Yit ¼
ð 1jincomeit thực ; Zit THỨ TỰ
là xác suất có điều kiện của
phẩm không an toàn; thu nhập biểu thị thu nhập thực tế của hộ gia đình tính theo iốt
t; Zit biểu thị các yếu tố cấp độ hộ gia đình thay đổi theo thời gian khác thúc đẩy
mất an ninh lương thực và b đại diện cho tác động nhân quả của việc hộ gia đình
thu nhập về mất an toàn vệ sinh thực phẩm. Giả sử rằng hộ gia đình tôi cung cấp lao động
trong khu vực s và nhận được mức lương eist trong kỳ t. Sau đó, hộ gia đình
thu nhập được định nghĩa là tổng tiền lương nhận được trong mỗi lĩnh vực
s trong đó hộ gia đình cung cấp lao động: thu nhập ¼ P j eist. Đến
hiểu cú sốc lớn về thu nhập có thể ảnh hưởng đến tình trạng mất an ninh lương thực như thế nào,
đầu tiên chúng tôi giả định rằng đại dịch làm thay đổi mức lương trung bình
công nhân trong khu vực s theo zs. Hãy để thu nhập và cột thu nhập biểu thị
nó nó
thu nhập của hộ gia đình trong giai đoạn trước và sau cú sốc,
tương ứng. Sau đó, thu nhập sau cú sốc có thể được viết là
cột thu nhập ¼ P ð 1 þ zs eist. Người ta có thể lấy zs từ thông tin bên ngoài j
nó THỨ TỰ
về những cú sốc thu nhập theo ngành cụ thể do đại dịch gây ra.
Ví dụ, như đã nêu trước đây, bài báo này sử dụng Ngân hàng Thế giới
báo cáo về tác động kinh tế của đại dịch ở Việt Nam.
17
Sự gia tăng tình trạng mất an toàn thực phẩm tự báo cáo có thể là do những thay đổi trong cách
Chính phủ phân loại hộ nghèo năm 2016 (Quyết định 59/2015 / QĐ-TTg).
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

Hình 3. Tình trạng mất an ninh lương thực và nghèo đói theo tỉnh và hàng năm.

7
Machine Translated by Google
K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al.
Quá trình dự đoán những thay đổi về tình trạng mất an toàn thực phẩm ở một số
địa phương bao gồm hai bước. Trong bước đầu tiên, chúng tôi sử dụng một hồi quy để
ước tính b và h trên tập dữ liệu cấp hộ gia đình và biểu thị những
^
ước tính như b và ^ h; chúng tôi gọi đây là bước '' ước tính ". Trong
bước thứ hai, chúng tôi tạo ra nguy cơ mất an toàn thực phẩm cấp địa phương
trước và sau đại dịch và tính toán sự khác biệt theo thứ tự
để đo lường những thay đổi về tình trạng mất an toàn thực phẩm; chúng tôi gọi đây là
^
bước diction ”. Cụ thể, chúng tôi kết hợp b
nó ; cột thu nhập
thu nhập trước
nó , và Zit để tạo ra xác suất dự đoán trước và sau đại
dịch gây mất an toàn thực phẩm tại hộ gia đình
mức độ:
¼
cPr Yðnó ¼ 1 trước
Þ
= sau ^ b: Incomepre
nó = post þ Zit ^ h;
nơi cPr Yð nó ¼ 1 bài đăng trước là xác suất dự đoán về mất an toàn vệ sinh thực phẩm
Þ và phản ánh '' nguy cơ ”hộ gia đình tôi mất an toàn về thực phẩm; đó là,
các hộ gia đình có giá trị cao hơn có nhiều khả năng bị mất an ninh lương thực.
Mặc dù xác suất dự báo mất an toàn thực phẩm là một
chỉ số đo lường cú sốc mất an toàn vệ sinh thực phẩm, có lẽ còn hơn
phù hợp với chính sách để dự đoán những thay đổi trong tỷ lệ hộ gia đình không an
toàn về lương thực do hậu quả của cú sốc thu nhập trong đợt thảm họa kinh hoàng.
Kể từ bước dự đoán của chúng tôi trong Eq. 2 chỉ cung cấp một liên tục
biến cho xác suất được dự đoán là không an toàn về thực phẩm, chúng ta có thể
chỉ xác định những hộ có nguy cơ mất an toàn thực phẩm cao. Qua
chọn một ngưỡng c sao cho khi xác suất dự đoán
vượt ngưỡng, một hộ gia đình được xếp vào nhóm '' rủi ro cao ”. Đây
bước bổ sung sau đó sẽ cho phép chúng tôi đo lường mức độ chia sẻ của
Các hộ gia đình 'rủi ro cao' thay đổi do cú sốc thu nhập.
Chọn một ngưỡng để ánh xạ các giá trị xác suất được dự đoán tới
một danh mục nhị phân, tức là có rủi ro cao hay không, là một bước tiêu chuẩn
trong tài liệu về mô hình hóa hoạt động trước (James, Witten, Hastie, & Tibshirani,
2013). Điều quan trọng cần lưu ý là ngưỡng này được áp dụng cho
dự đoán xác suất mất an toàn thực phẩm để phân loại '' nguy cơ cao "
hộ gia đình. Ngưỡng phân loại này không giống như ngưỡng phân loại
được áp dụng cho phần chia sẻ calo chủ yếu để xác định nguồn cung cấp lương thực
không đảm bảo. Tiêu chí để chọn một ngưỡng tối ưu cho dự đoán
xác suất phụ thuộc vào mục tiêu của dự đoán. Mục tiêu của chúng tôi là
có được cổ phần của các hộ gia đình '' rủi ro cao ”gần với
tỷ lệ hộ gia đình thực sự mất an toàn thực phẩm; giá trị đầu tiên
thường được gọi là tỷ lệ phổ biến được dự đoán trong khi tỷ lệ sau thường là
được gọi là tỷ lệ phổ biến được quan sát (Freeman & Moisen, 2008).
Freeman và Moisen (2008) nhận thấy rằng hai cách tiếp cận tốt nhất để
thỏa mãn tiêu chí này. Cách tiếp cận đầu tiên là chọn một ngưỡng để
giảm thiểu sự khác biệt giữa tỷ lệ phổ biến được dự đoán và
tỷ lệ phổ biến quan sát được. Cách tiếp cận thứ hai là chọn một
ngưỡng tối đa hóa thống kê Cohen's Kappa, thống kê này xác định mức độ gần của
trạng thái dự đoán và trạng thái thực tế của thực phẩm
sự bất an là, sau khi tính toán thực tế rằng chúng có thể
giống nhau do tình cờ.18
Về mặt hình thức, hãy để lần truy cập biểu thị trạng thái '' rủi ro cao "của một hộ gia đình, tức là
tình trạng mất an toàn thực phẩm được dự đoán và được định nghĩa là
hcnó nó Þ ¼ 1> c
n ¼ 1 cPr Yð o trong khi Yit là tình trạng mất an toàn vệ sinh thực phẩm thực sự.
Tỷ lệ phổ biến dự đoán của ngưỡng c; PPc , các trường là xác suất của
hợp được dự đoán theo ngưỡng c là thực phẩm không an toàn:
PPc ¼ Pr hc ¼ 1 và ,tỷ lệ hiện mắc quan sát được (OP) là xác suất
của một hộ gia đình bị mất an ninh lương thực, OP ¼ Pr Yð
1 cách tiếp cận là chọn một ngưỡng để giảm thiểu dc ¼ jPPc OPj
là sự khác biệt giữa tỷ lệ phổ biến được dự đoán và quan sát được
giá.
18
Một cách tiếp cận phổ biến khác trong dự đoán học máy là chọn một
ngưỡng để tối đa hóa tỷ lệ dương tính thực trừ đi tỷ lệ dương tính giả (còn được gọi là
như thống kê Youden's J). Tuy nhiên, cách tiếp cận này thích hợp hơn để đánh giá
kiểm tra chẩn đoán vì nó có xu hướng đánh giá quá cao tỷ lệ phổ biến thực sự khi sự kiện
hiếm (Freeman & Moisen, 2008).
Phát triển Thế giới 153 (2022) 105838
Cách tiếp cận thứ hai là chọn ngưỡng có giá trị lớn nhất
Thống kê Kappa của Cohen, được đo lường bằng
Pr hc ¼ Y Pr hc ¼ Yjhc ? Y 1 Pr hc
jc ¼
¼ Yjhc ? Y
trong đó Pr hc ¼ Y là xác suất mà chúng tôi dự đoán đúng một trường hợp
là thực phẩm không an toàn hay không, đo lường độ chính xác của quá trình pha
'' trước và ^ h với
trộn trước. Pr hc ¼ Yjhc ? Y là xác suất để một trường hợp đúng
được dự đoán khi hc và Y độc lập với nhau, điều này ngẫu nhiên đòi hỏi độ chính
xác. Theo trực giác, Cohen's Kappa kiện độ chính xác của dự đoán sau khi loại bỏ
một phần của
tính chính xác xảy ra do ngẫu nhiên (Ben-David, 2007; Ben David, 2008).
ð2Þ
Trong tài liệu mô hình dự đoán, Cohen's Kappa có thể
cũng được viết theo nghĩa tích cực thực sự (TP), tiêu cực thực sự (TN),
dương tính giả (FP) và âm tính giả (FN). Cụ thể, độ chính xác của dự đoán được
đo bằng tỷ lệ các trường hợp
TPcþTNc
là đúng dương hoặc đúng âm, Pr hc ¼ Y ¼ trong đó N
N là kích thước mẫu. Độ chính xác tình cờ là
Pr hc ¼ Yjhc ? Y ¼ Pr hc ¼ 1: Pr Yð Þþ ¼ 1 Pr hc ¼ 0: Pr Yð Þ ¼ 0 có thể ,
được viết là:
ð TPc þ FPc ð TPc þ FNc THỨ TỰ
Þ Pr hc ¼ Yjhc ? Y ¼ :
N N
ðTNc þ FNc ð TNc þ FPc THỨ TỰ
thứ tự :
Þ N N
Bây giờ chúng ta chuyển sang thảo luận chi tiết của bước ước tính. Cách tiếp
cận sim plest sẽ là sử dụng OLS để ước tính tuyến tính sau
mô hình xác suất:
Yit ¼ b: Incomeit þ Zith þ provincep yeart þ it; ð3Þ
trong đó Yit là biến nhị phân cho tình trạng mất an toàn thực phẩm của hộ gia
đình, Zit biểu thị các đặc điểm hộ gia đình thay đổi theo thời gian và
tỉnhp yeart biểu thị các ảnh hưởng cố định theo năm của tỉnh.19 Có thể phát sinh
hai sai lệch nhỏ với ước tính OLS. Sự thiên vị đầu tiên đến
từ các yếu tố chưa được quan sát ảnh hưởng đến cả thu nhập và mất an ninh lương thực
chẳng hạn như những thay đổi về nhân khẩu học hộ gia đình hoặc việc làm. Các
khuynh hướng thứ hai là do mất an ninh lương thực đồng thời ảnh hưởng
đến thu nhập của hộ gia đình bằng cách giảm năng suất. Mặc dù kiểm soát cho
hiệp biến hộ gia đình và các mức độ tác động cố định khác nhau có thể
tài khoản cho các yếu tố gây nhiễu không được quan sát, nó không đủ để giải quyết
vấn đề đồng thời.
Do đó, chúng tôi sử dụng phương pháp tiếp cận các biến công cụ (IV) để
giải quyết sự thiên vị đồng thời. Cụ thể, thu nhập hộ gia đình
có thể được hỗ trợ bởi sự tiếp xúc của địa phương với việc làm quốc gia
tăng trưởng trên các ngành công nghiệp khác nhau. Khi tiếp xúc với việc làm
các cú sốc ảnh hưởng đến thu nhập của hộ gia đình (thông qua việc làm hộ gia
đình), các hộ gia đình sẽ thay đổi cách tiêu dùng thực phẩm của họ một cách tức
thời. Đây là một dạng của công cụ chuyển đổi (hoặc Bartik)
(Thợ kim hoàn-Pinkham, Sorkin và Swift, 2020). IV được xây dựng
như sau:
Ltj Lbj
IVdt ¼ X wbdj ;
j Lbj
20 ở huyện
Þ ¼ . Người đầu tiên
trong đó wbdj biểu thị tỷ trọng việc làm của ngành j
d trong thời kỳ cơ sở b; Ltj biểu thị việc làm quốc gia của
ngành j trong giai đoạn t, và Lbj biểu thị việc làm quốc gia của
19
Việc kiểm soát các tác động cố định theo năm của tỉnh được ưu tiên cho mục đích
ước tính, nhưng làm như vậy sẽ không tạo ra các ước tính tham số cho những năm trong tương lai như
vào năm 2020. Do đó, việc kiểm soát các xu hướng tuyến tỉnh phù hợp hơn với
mục đích của dự đoán (Auffhammer & Steinhauser, 2012; Newell, Perst, & và Sexton,
2018). Trong phần tiếp theo, chúng tôi chỉ ra rằng cả hai cách tiếp cận đều mang lại các ước tính tương tự.
20
Đối với Việt Nam, các ngành được phân loại theo hệ thống ISIC ba chữ số.
số 8
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

ð Þ bj
ngành j trong thời kỳ cơ sở b. Lưu ý rằng Ltj L là quốc Lbj
gia
tốc độ tăng việc làm của ngành j trong thời kỳ t so với thời kỳ đường cơ sở
b. Thời gian nghiên cứu của chúng tôi là từ năm 2010 đến năm 2018, và
năm cơ sở là 2009. Chúng tôi ước tính phương trình sau bằng cách sử dụng
phương pháp tiếp cận bình phương nhỏ nhất hai giai đoạn (2SLS):
d
an ninh lương thực ¼ b: thu nhập nó þ Zith þ Jd; 2009g þ tỉnhp
Không thể kiểm tra giả định hạn chế loại trừ trong điều này
nghiên cứu, nhưng nó có khả năng tồn tại vì cú sốc việc làm chỉ có thể
ảnh hưởng đến sự mất an toàn thực phẩm của hộ gia đình thông qua những thay đổi trong hộ gia đình
thu nhập = earnings. Có hai mối quan tâm tiềm ẩn về việc loại trừ
giả định hạn chế: (1) các cú sốc việc làm có thể thay đổi
nhu cầu thị trường đối với thực phẩm và thay đổi giá thực phẩm thị trường,
lần lượt ảnh hưởng đến các quyết định tiêu dùng thực phẩm của hộ gia đình; và (2)
cú sốc việc làm trong ngành nông nghiệp có thể ảnh hưởng đến ngành nông nghiệp

yeart þ nó; ð4Þ tiền lương, do đó cũng sẽ ảnh hưởng đến giá thực phẩm. Chúng tôi giải thích cho

điều kiện thị trường địa phương bao gồm giá thực phẩm bằng cách kiểm soát
và phương trình giai đoạn đầu là
các ảnh hưởng cố định tỉnh-năm. Chúng tôi cũng kiểm tra các vi phạm tiềm ẩn;

Incomeit ¼ b: IVdt þ Zitf þ Jd; 2009a þ provincep yeart þ it; ð5Þ chúng tôi xây dựng một '' Bartik IV phi nông nghiệp "nơi chúng tôi chỉ xem xét

khu vực phi nông nghiệp đối với tỷ trọng chuyển dịch IV, và trong giây tiếp theo,
trong đó Jd; 2009 biểu thị các đặc điểm của quận d, bao gồm
chúng tôi so sánh kết quả sử dụng IV này với kết quả chính.
nhân khẩu học (giới tính và hôn nhân), kinh tế (sự giàu có và
Cách tiếp cận của chúng tôi có những lưu ý sau. Đầu tiên, ước tính
thất nghiệp), và giáo dục (có trình độ đại học) trong năm 2009 là các biến
bước sử dụng mô hình xác suất tuyến tính, vì vậy xác suất dự đoán
phụ. Điều này cho phép chúng tôi tính đến các yếu tố cơ bản
không bị giới hạn giữa 0 và 1; tính năng này không mong muốn được so sánh với các
có thể ảnh hưởng đến cả việc tiếp xúc với địa phương và những thay đổi về tình trạng mất an toàn thực phẩm.
mô hình biến phụ thuộc nhị phân tiêu chuẩn, chẳng hạn như
Trong kịch bản hai ngành, một giai đoạn, công cụ này xác định sự thay đổi của
hồi quy logistic hoặc probit. Một cách tiếp cận thay thế là sử dụng
mức độ phơi nhiễm tại địa phương, được đo lường bằng tỷ trọng việc làm của ngành
Mô hình probit IV sẽ cung cấp xác suất dự đoán của thực phẩm
cấp huyện trong đường cơ sở, cho quốc gia
không an toàn được giới hạn giữa 0 và 1. Tuy nhiên, kiểm soát này
tăng trưởng việc làm của một ngành so với ngành khác
công cụ ước lượng hàm không được ưa thích vì nó yêu cầu
(Goldsmith-Pinkham và cộng sự, 2020). Do đó, thiết kế nghiên cứu xác định tác động
mô hình sân khấu được chỉ định chính xác. Nói cách khác, nếu chúng ta không
của tỷ lệ việc làm trong khu vực công nghiệp đối với
bao gồm đúng bộ công cụ, hàm điều khiển estima tor không còn nhất quán nữa (Lewbel,
thay đổi về tình trạng mất an toàn thực phẩm so với thời kỳ ban đầu. Trong một
Dong, & Yang, 2012) .21 Trong con trast, một công cụ ước lượng biến công cụ thực
kịch bản nhiều thời kỳ, tác động của tỷ trọng cơ sở được tính theo tốc độ tăng
sự (chẳng hạn như IV tuyến tính
trưởng việc làm của quốc gia. Các
phương pháp tiếp cận mà chúng tôi sử dụng) chỉ yêu cầu rằng biến công cụ
thiết kế nghiên cứu tương tự như thiết kế liều lượng - đáp ứng vì chúng tôi tính
có tương quan với hồi quy nội sinh và không tương quan với
đến những thay đổi khác biệt về kết quả ở các quận có tỷ lệ việc làm trên đường
điều khoản lỗi; nó không áp đặt bất kỳ giả định cấu trúc nào lên
cơ sở khác nhau. Goldsmith-Pinkham và cộng sự. (2020)
các lỗi trong hồi quy giai đoạn đầu tiên. Khi chúng tôi không bao gồm tất cả
cho thấy thêm rằng trong một kịch bản nhiều ngành, nhiều thời kỳ,
của các công cụ phù hợp trong giai đoạn đầu tiên, công cụ ước tính kém hiệu
công cụ Bartik về mặt số học tương đương với việc sử dụng nhiều
quả hơn nhưng vẫn nhất quán (Lewbel và cộng sự, 2012). Do đó, thực hiện điều
các công cụ là cổ phần cơ bản của các ngành khác nhau. Các
hướng trước dựa trên phương pháp tiếp cận IV probit sẽ dẫn đến cùng một vấn đề
xác định các giả định cho các ước tính bằng cách sử dụng công cụ Bartik đề cập đến
như cách tiếp cận OLS trừ khi chúng ta biết bộ công cụ chính xác
tính nhất quán là (1) ngành cơ sở của huyện
trong giai đoạn đầu tiên. Trong Phần 5.2, chúng tôi chỉ ra rằng cách tiếp cận IV tuyến tính của chúng tôi
tỷ lệ việc làm là ngoại sinh có điều kiện đối với những thay đổi về lương thực
thực sự vượt trội hơn so với phương pháp tiếp cận IV probit trong điều
mất an ninh, và (2) tỷ lệ chia sẻ cơ sở chỉ ảnh hưởng đến những thay đổi trong thực phẩm
hướng trước ngoài mẫu mặc dù vấn đề xác suất dự đoán không giới hạn.
không an toàn thông qua biến nội sinh, là hộ gia đình
Quan trọng hơn, vì phương pháp dự đoán của chúng tôi dựa vào
thu nhập (có điều kiện đối với các biến kiểm soát).
Các cú sốc thu nhập gây ra bởi những thay đổi trên thị trường lao động đối với IV
Chúng tôi đánh giá những giả định này theo nhiều cách khác nhau. Giả định ity
ước tính, nó ngầm giả định rằng những cú sốc đó tương tự như
ngoại lai IV bị vi phạm khi có các đặc điểm đặc trưng cấp huyện khác trong năm
những cú sốc về thu nhập do đại dịch gây ra. Nếu hai cú sốc là
2009 ảnh hưởng đến việc làm của cả huyện-ngành
rất khác với nhau, sau đó là dự đoán dựa trên IV
chia sẻ và những thay đổi trong vấn đề mất an toàn vệ sinh thực phẩm. Do đó, chúng
có thể không còn chính xác. Cụ thể, thu nhập bị sốc từ
tôi bao gồm các biến số phụ cho các nhân khẩu học, kinh tế cấp huyện khác nhau,
ước tính IV của chúng tôi là những thay đổi lớn trong thu nhập do lao động quốc gia
và các đặc điểm giáo dục trong năm 2009 trong Eq. 4 và 5. Các đặc điểm đường cơ
cú sốc về nhu cầu, trong khi cú sốc về thu nhập do đại dịch gây ra
sở này có thể giải thích tới 94% sự biến đổi trong
có thể được thúc đẩy bởi những thay đổi trong việc làm, đặc biệt là những người
tỷ trọng việc làm cơ bản theo ngành-khu vực (xem Bảng 4),
lao động bình thường hơn như những người ở khu vực phi chính thức, bán thời gian
có nghĩa là việc kiểm soát các yếu tố này sẽ chiếm hầu hết các
nhân viên hoặc người lao động có trình độ học vấn thấp hơn hoặc ít kinh nghiệm hơn.
mối quan tâm về tính nội sinh với IV (Goldsmith-Pinkham và cộng sự,
Chúng tôi so sánh dự đoán từ phương pháp tiếp cận của chúng tôi với thước đo mức
Năm 2020). Hơn nữa, chúng tôi cũng tuân theo các khuyến nghị trong
độ an toàn thực phẩm được tạo ra từ dữ liệu thu nhập thực tế trong
Goldsmith-Pinkham và cộng sự. (2020) bằng cách ước tính mô hình IV sử dụng
đại dịch trong Phụ lục D và nhận thấy rằng dự đoán của chúng tôi là rất cao
cơ sở ngành-khu vực việc làm chia sẻ dưới dạng nhiều IV để
chính xác, cho thấy rằng sự vi phạm giả định này không phải là
sử dụng một bài kiểm tra đánh giá quá cao. Đó là, chúng tôi ước tính Eq. 3 đâu
mối quan tâm thực nghiệm chính.
phương trình giai đoạn đầu là
Một lưu ý khác về cách tiếp cận của chúng tôi là thu nhập hộ gia đình

cjt: wbdj yeart þ Zitf þ Jd; 2009a chức năng không bao gồm thu nhập phi lao động như chuyển tiền
thu nhập ¼ t XX
j và chuyển giao xã hội, có thể đóng một vai trò quan trọng trong việc bảo vệ

hộ khỏi mất an toàn vệ sinh thực phẩm. Mặc dù nó có thể dễ dàng

þ tỉnh bạn þ nó ð6Þ
mở rộng cho các tính năng như vậy, chúng tôi chọn không bao gồm

và wbdj yeart là tỷ trọng việc làm trong khu vực công nghiệp trong năm 2009 các biến này vì dữ liệu đó không phải lúc nào cũng có sẵn, đặc biệt là trong các

nhân với các biến giả trong năm. Bởi vì có nhiều công cụ, chúng tôi sử cuộc điều tra về lực lượng lao động. Thông tin bên ngoài về các thay đổi

dụng các công cụ ước tính khác nhau, bao gồm cả phương pháp tổng quát bằng cách chuyển tiền cũng không có sẵn. Do đó, chúng tôi đưa ra dự đoán của mình

khoảnh khắc (GMM) và khả năng tối đa thông tin hạn chế là giới hạn thấp hơn của tình trạng mất an ninh lương thực thực tế

(LIML) vì chúng thích hợp hơn khi xử lý nhiều

dụng cụ. Chúng tôi sử dụng bài kiểm tra đánh giá quá mức Sargan – Hansen
cho công cụ ước tính 2SLS và xác định quá mức Anderson-Rubin
thử nghiệm cho các công cụ ước tính GMM và LIML. 21
Điều này đúng ngay cả khi ước tính probit IV bằng khả năng tối đa.

9
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

sốc khi kiều hối giảm xuống như họ đã làm trong đại dịch này ( là –0.112 đối với OLS và –0.349 đối với IV. Trong cột 6, các ước tính là

Ngân hàng Thế giới, 2020). –0.112 cho OLS và –0.396 cho IV. Các thông số kỹ thuật trong cột 4

chỉ kiểm soát các xu hướng ở cấp quốc gia, trong khi các điểm cụ thể trong cột 5

và 6 kiểm soát các xu hướng ở cấp tỉnh.

4. Ước tính ảnh hưởng của thu nhập hộ gia đình đối với tình trạng mất an toàn thực phẩm
Có vẻ như việc kiểm soát các xu hướng tuyến tính theo tỉnh và kiểm soát ling đối

với các tác động cố định theo từng tỉnh mang lại các ước tính tương tự.
Trong phần này, chúng tôi trình bày các kết quả từ việc ước tính mối liên hệ
Những kết quả này cho thấy đặc điểm kỹ thuật chính được sử dụng trong
giữa thu nhập hộ gia đình và tình trạng mất an toàn thực phẩm bằng cách sử dụng
dự đoán được chỉ định chính xác.
Dữ liệu VHLSS 2010–2018 cho các phương pháp tiếp cận OLS và IV. Đặc biệt,
Các phát hiện của chúng tôi thường nhất quán qua các biện pháp khác nhau
chúng tôi sử dụng OLS để ước tính Eq. 3 và 2SLS để ước tính Eq. 4 và 5 và
tình trạng mất an toàn vệ sinh thực phẩm. Chúng tôi ước tính các mô hình của mình bằng cách sử dụng
báo cáo kết quả tại Mục 4.1. Sau đó chúng tôi thảo luận về tính hợp lệ khác nhau
và các kết quả mất an toàn thực phẩm dựa trên HDDS. Kết quả là
đánh giá trong Phần 4.2.
được báo cáo trong Bảng 3. Như đã đề cập trước đây, việc sử dụng tự báo cáo đánh

giá thấp tác động của thu nhập đối với nguồn lương thực thực phẩm vì chỉ những hộ

4.1. Kết quả hồi quy nghèo mới được yêu cầu báo cáo

tình trạng mất an toàn vệ sinh thực phẩm; ước tính cũng có dấu hiệu ngược lại khi

Bảng 2 cung cấp các ước tính hồi quy cho ảnh hưởng của kiểm soát xu hướng thời gian hoặc hiệu ứng cố định năm. Kết quả cho

thu nhập hộ gia đình về vấn đề mất an toàn vệ sinh thực phẩm. Bảng A báo cáo các ước tính Đo lường dựa trên HDDS về chất lượng tương tự như đo lường chính của chúng tôi

từ phương pháp OLS và bảng B báo cáo các ước tính từ những phát hiện.

Phương pháp tiếp cận IV (các ước tính cho phương trình giai đoạn đầu tiên được báo cáo

trong Bảng A.1). Chúng tôi xem xét việc kiểm soát các mức cố định khác nhau
4.2. Đánh giá tính hợp lệ của công cụ chia sẻ dịch chuyển
các hiệu ứng để giải thích cho bất kỳ sự không đồng nhất nào chưa được quan sát.

Đối với các mod trong cột 1, 2 và 3, chúng tôi thay thế kiểm soát cho tỉnh,
Để đánh giá tính hợp lệ của cách tiếp cận IV, trước tiên chúng tôi đánh giá
huyện và các ảnh hưởng cố định hộ gia đình. Các tác động cố định hộ gia đình
giả định về tính di truyền exo của phần dịch chuyển IV. Theo Goldsmith Pinkham et
mô hình được chạy trên một mẫu phụ tạo thành một hộ gia đình không cân bằng
al. (2020), chúng tôi xác định các yếu tố cấp huyện có liên quan đến tỷ trọng việc
đó là lý do tại sao có ít quan sát hơn. Mô hình trong
làm ban đầu của ngành vào năm 2009. Chúng tôi
cột 4 kiểm soát cho các hiệu ứng cố định tỉnh và năm, và
xét chỉ số giàu cấp huyện; tỷ lệ dân số của
mô hình trong cột 5 cũng kiểm soát các xu hướng tuyến tính của tỉnh cụ thể.
những người là nữ, đã kết hôn, học đại học, khuyết tật, và
Trong cột 6, mô hình kiểm soát các hiệu ứng cố định theo từng tỉnh.
Một người nhập cư; và tỷ lệ thất nghiệp, được tính toán
Tất cả các mô hình đều kiểm soát các đặc điểm của hộ gia đình: đô thị, quy mô
trên mẫu người từ 15 đến 69 tuổi sử dụng dữ liệu điều tra dân số năm 2009.
hộ gia đình, và tỷ lệ hộ gia đình có cation edu sau trung học. Chúng tôi cũng kiểm
Bảng 4 trình bày các ước lượng từ hồi quy của các hiệp biến này
soát nhân khẩu học và kinh tế của huyện
về tỷ trọng lao động ban đầu của ngành vào năm 2009. Nó được ngụ ý từ
các đặc điểm trong năm 2009 có thể tương quan với mất an ninh lương thực
R bình phương mà các hiệp biến giải thích chủ yếu là 35% -94% của năm 2009
và thị phần việc làm trong khu vực-ngành vào năm 2009. Các yếu tố phân biệt này bao
tỷ trọng thay đổi việc làm trong ngành. Chúng tôi kiểm soát các biến thể này để
gồm giới tính, tình trạng hôn nhân, người có bằng đại học, không có khả năng, tình
tránh sai sót mô hình do các biến bị bỏ qua.23
trạng nhập cư, mức giàu trung bình, 22 và thất nghiệp
Cho rằng công cụ ước tính 2SLS với Bartik IV là số
tỷ lệ. Trong mô hình hiệu ứng cố định hộ gia đình, các biến số phụ bất biến theo
tương đương với công cụ ước tính GMM sử dụng cổ phiếu ngành của
thời gian này không được đưa vào. Đối với các ước tính OLS, chúng tôi phân nhóm
việc làm như công cụ, chúng tôi kiểm tra tính hợp lệ của Bartik's
sai số tiêu chuẩn ở cấp xã hàng năm để giải thích cho
công cụ bằng cách ước tính một hồi quy với nhiều IV như ban đầu
thiết kế lấy mẫu khảo sát. Trong ước tính IV, chúng tôi tập hợp các sai số stan
Tỷ lệ khu vực công nghiệp của thời gian việc làm trong năm thay đổi giả khác và
dard ở cấp huyện để tính đến mức độ phơi nhiễm ở cấp huyện
tiến hành kiểm tra đánh giá quá mức đối với hồi quy này, như
trước những cú sốc của thị trường lao động (Abadie, Athey, Imbens, & và
được đề xuất trong Goldsmith-Pinkham et al. (Năm 2020). Đó là, chúng tôi ước tính
Wooldridge, 2017).
Phương trình 3 trong đó thu nhập hộ gia đình được xác định như đã nêu trong
Trước tiên, chúng tôi so sánh các ước tính từ các tác động cố định của tỉnh,
Phương trình 6. Bảng 5 trình bày kết quả. Chúng tôi lưu ý rằng (1) các ước tính
các hiệu ứng cố định cấp huyện và các mô hình ảnh hưởng cố định hộ gia đình ở cột
IV quá mức cần thiết của chúng tôi rất giống với các phát hiện chính, và (2)
từ 1 đến 3. Ước tính IV cao hơn ước tính OLS
kết quả của chúng tôi không từ chối các bài kiểm tra đánh giá quá cao sau khi bao gồm
cho tất cả các thông số kỹ thuật. Trong cột 1, ước tính OLS là –0.124 và
các yếu tố cấp huyện làm kiểm soát. Bằng chứng này cho thấy rằng
ước tính IV là –0,263 khi kiểm soát cho tỉnh cố định
mô hình chính được chỉ định chính xác.
các hiệu ứng. Trong cột 2, các ước tính là –0.111 cho OLS và –0.222
Thứ hai, chúng tôi đánh giá giả định hạn chế loại trừ bằng cách giao phối esti
cho IV khi kiểm soát các hiệu ứng cố định của huyện. Trong cột 3,
bằng cách sử dụng Bartik IV phi nông nghiệp. Bảng 6 trình bày
ước tính là –0,071 đối với OLS và –0.188 đối với IV khi kiểm soát
kết quả. Các ước tính sử dụng Bartik IV thay thế rất giống với các ước tính từ các
đối với các tác động cố định hộ gia đình (lưu ý rằng điều này được ước tính trên
kết quả chính. Điều này cho thấy rằng
một mẫu phụ tạo thành một nhóm hộ gia đình không cân bằng).
thành phần nông nghiệp của Bartik IV không độc lập
Do các ước tính không thay đổi đáng kể giữa các mức khác nhau của các hiệu ứng ảnh hưởng đến kết quả chính của chúng tôi.

cố định, chúng tôi tập trung vào các mô hình kiểm soát các hiệu ứng cố định chuyên
nghiệp và các xu hướng thế tục. Bởi vì sự biến đổi của

phân chia IV ở cấp huyện hàng năm, kiểm soát đối với cấp huyện 5. Dự báo nguy cơ mất an toàn vệ sinh thực phẩm ở Việt Nam

các hiệu ứng cố định hoặc các hiệu ứng cố định trong gia đình và các xu hướng sẽ hấp thụ

tất cả các biến thể này. Chúng tôi so sánh các mô hình kiểm soát hiệu ứng cố định Trong phần này, chúng tôi áp dụng phương pháp dự đoán được đề xuất trong

theo tỷ lệ và hiệu ứng cố định năm (cột 4), tỉnh cố định Phần 3.3 để đưa ra dự đoán về những thay đổi trong tình trạng mất an toàn thực phẩm

các tác động và xu hướng tuyến tính cụ thể theo tỉnh (cột 5), và các ảnh hưởng cố rủi ro ở Việt Nam. Đầu tiên, chúng tôi sử dụng VHLSS 2010–2018 để chọn

định theo tỷ lệ, theo năm và theo từng tỉnh (cột 6). Trong cột 4, các ước lượng là ngưỡng phân loại tối ưu trong Phần 5.1. Như đã thảo luận trong Phần 3.3, chúng ta

–0.113 đối với phương pháp OLS và 0.182 cần chọn một ngưỡng để phân loại rủi ro cao ”

nhưng không đáng kể đối với cách tiếp cận IV. Trong cột 5, các ước tính hộ gia đình dựa trên xác suất dự báo mất an toàn vệ sinh thực phẩm.

Trong Phần 5.2, chúng tôi đánh giá độ chính xác dự đoán ngoài mẫu của

22
Sự giàu có được ước tính bằng cách sử dụng phân tích thành phần chính về điện, đường ống
23
nước, máy lạnh, máy vi tính, máy giặt, tủ lạnh, tivi, đài. Xem Goldsmith-Pinkham et al. (2020) để thảo luận chi tiết về cách tiếp cận này.

10
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

ban 2

Các ước tính về ảnh hưởng của thu nhập đối với tình trạng mất an toàn thực phẩm.

Sự chỉ rõ (1) (2) (3) (4) (5) (6)

Bảng A: Cách tiếp cận OLS

0,124 *** 0,111 *** 0,071 *** 0,113 *** 0,112 *** 0,112 ***

(0,003) (0,003) (0,006) (0,003) (0,003) (0,003)

[0,000] [0,000] [0,000] [0,000] [0,000] [0,000]

N 46443 46443 27657 46443 46443 46443

Bảng B: Phương pháp tiếp cận Bartik IV

0,263 *** 0,222 *** 0,202 *** 0,182 0,349 *** 0,396 ***

(0,018) (0,015) (0,026) (0,231) (0,132) (0,130)

[0,000] [0,000] [0,000] [0,430] [0,008] [0,002]

Cragg-Donald F-stat 381,86 372,58 632,82 4,54 6,99 7,94

Montiel Olea và Pflueger F-stat 2,0e + 1.9e + 2336,57 3599,18 4087,31
N 05 46443 05 46443 24499 46443 46443 46443

Kiểm soát bổ sung

Tỉnh FE U UUU
Quận FE U
FE gia đình U
Năm FE U U
Tỉnh FE x xu hướng tuyến tính U
Tỉnh x Năm FE U

Bảng báo cáo kết quả từ các ước tính OLS và IV về ảnh hưởng của thu nhập hộ gia đình đối với tình trạng mất an toàn thực phẩm trong phương trình. 3. Công cụ ước tính IV thu nhập hộ gia đình với Bartik IV

(xem Công thức 5). Tất cả các mô hình đều kiểm soát thành thị, quy mô hộ gia đình và tỷ lệ hộ gia đình có trình độ học vấn sau trung học phổ thông và các đặc điểm của quận năm 2009 (giới tính, hôn nhân
tình trạng, bằng đại học, tình trạng nhập cư, tình trạng khuyết tật, chỉ số giàu có trung bình và tỷ lệ thất nghiệp). Mô hình tác động cố định hộ gia đình không bao gồm các đối chứng năm 2009.
Các lỗi tiêu chuẩn được báo cáo trong dấu ngoặc đơn và giá trị p được báo cáo trong dấu ngoặc đơn. Các lỗi tiêu chuẩn OLS được nhóm lại ở năm xã, các lỗi tiêu chuẩn IV được nhóm lại tại
*** **
cấp huyện và các ước tính về FE của hộ gia đình được ước tính dựa trên một số lượng nhỏ các hộ gia đình tạo thành một bảng không cân bằng với sai số tiêu chuẩn p <0:01,
*
p <0: 1.
mạnh. p <0:05,

cách tiếp cận dựa trên IV của chúng tôi và cách tiếp cận dựa trên OLS tiêu chuẩn bằng cách sử dụng dữ liệu VHLSS 2010–2014 và bước dự đoán về

so sánh dự đoán năm 2016 và 2018 với thực tế Dữ liệu LFS 2016. Chúng tôi cũng tiến hành một bài kiểm tra xác nhận khác bằng cách phân

dữ liệu mất an toàn trong hai năm này. Trong Phần 5.3, chúng tôi dự đoán thực phẩm tích trước tình trạng mất an toàn thực phẩm năm 2018 bằng cách sử dụng dữ liệu của LFS và so sánh

thay đổi bất an do các cú sốc thu nhập trong đại dịch cho với số liệu thực tế mất an toàn vệ sinh thực phẩm từ dữ liệu VHLSS năm 2018.

702 quận ở Việt Nam. Trong Phần 5.4, chúng tôi thảo luận về cách Dự đoán dựa trên OLS được sử dụng làm tiêu chuẩn vì nó được sử dụng phổ biến

kết quả có thể thông báo cho các nhà hoạch định chính sách và các tổ chức quốc tế để dự đoán tình trạng mất an ninh lương thực (Lentz và cộng sự, 2019; Gundersen

về nơi ưu tiên hỗ trợ. và cộng sự, 2020; Schanzenbach & Pitts, 2020).

Để định lượng sự khác biệt giữa các dự đoán của chúng tôi với
dữ liệu thực tế, chúng tôi tính toán tổng sai số bình phương giữa
5.1. Chọn ngưỡng bộ phân loại tối ưu
2
thật sự dự đoán
hai biện pháp; đó là, P pe2 P ¼ P P fP fP , ở đâu P
Sau bước ước tính, chúng tôi tạo ra khả năng dự đoán về khả năng mất
đo lường tỷ lệ hộ gia đình có lương thực thực tế ở cấp tỉnh
an toàn thực phẩm trên dữ liệu và biểu đồ VHLSS 2010–2018
mất an ninh hoặc rủi ro dự báo cao đối với tỉnh p, như một
sự phân phối theo tình trạng mất an toàn thực phẩm thực tế của chúng trong Hình A.1.
thước đo độ chính xác của dự đoán (Auffhammer & Steinhauser,
Chúng tôi chọn ngưỡng tối ưu c trong khoảng từ 0 đến 99 phần trăm cho rằng
Năm 2012; Athey, 2018). Một thước đo khác về hiệu suất dự đoán
hồi quy của chúng tôi là một mô hình xác suất tuyến tính.
là bình phương R khi hồi quy tỷ lệ dự đoán so với
Trong Hình A.2, chúng tôi vẽ biểu đồ sự khác biệt giữa quan sát và
tỷ lệ thực tế của các hộ gia đình bị mất an ninh lương thực, phản ánh mức độ
dự đoán tỷ lệ phổ biến cũng như thống kê Cohen's Kappa
phương sai của chia sẻ thực tế được dự đoán chính xác bởi từng
cho 8c 2 ½ 0; 99 .Như đã thảo luận trong Phần 3.3, ngưỡng với
cách tiếp cận. Chúng tôi cũng vẽ biểu đồ tỷ lệ phần trăm cấp tỉnh này cùng
sự khác biệt nhỏ nhất trong dòng phổ biến thỏa mãn tiêu chí đầu tiên, trong
với một đường 45 độ trong Hình 4. Trục x cho thấy phần
khi ngưỡng ở điểm cao nhất của Cohen's Kappa
các hộ gia đình bị mất an ninh lương thực thực tế và trục y cho thấy
đường cong thỏa mãn tiêu chí thứ hai. Chúng tôi thấy rằng 85% đáp ứng cả
tỷ lệ hộ gia đình có dự đoán rủi ro cao. Cao hơn
hai tiêu chí. Do đó, chúng tôi phân loại tất cả các hộ gia đình
dấu chấm so với đường 45 độ, chúng ta càng đánh giá quá cao
với xác suất dự báo mất an toàn thực phẩm trên 85% là hộ gia đình '' có nguy
mất an toàn vệ sinh thực phẩm tại tỉnh đó; dấu chấm càng thấp, chúng ta càng
cơ cao "trong phần còn lại của bài báo.
đánh giá thấp nó. Nói cách khác, một mô hình có các dấu chấm gần với

5.2. Xác thực dự đoán ngoài mẫu ở Việt Nam
Để xác thực quy trình được mô tả trong Phần 3.3, chúng tôi sẽ dự đoán
tỷ lệ hộ có nguy cơ mất an toàn thực phẩm cao của các tỉnh ở
2016 sử dụng dữ liệu cuộc điều tra lao động việc làm năm 2016 và so sánh với tỷ lệ của các tỉnh
trong số các hộ gia đình thực sự mất an ninh lương thực trong năm 2016 từ
đường màu đỏ có độ chính xác dự đoán cao hơn. Chúng tôi báo cáo kết quả cho
2016 ở (a) và 2018 ở (b).
Chúng tôi nhận thấy rằng dự đoán dựa trên IV tốt hơn so với dự đoán dựa trên OLS
dự đoán trong cả năm 2016 và 2018. Về mặt đồ họa, hầu hết các điểm từ
các mô hình IV tương đối gần với đường 45 độ, trong khi hầu hết
điểm trong các mô hình OLS cao hơn nhiều so với dòng. Tổng số
sai số bình phương là 2,55 đối với các khoảng thời gian trước dựa trên OLS và 0,69 đối với các

Dữ liệu VHLSS 2016.24 Cụ thể, chúng tôi thực hiện bước ước tính khoảng thời gian trước dựa trên IV vào năm 2016. Trong năm 2018, tổng sai số bình phương là 2,61 đối với

Dựa trên OLS và 0,79 cho dự đoán dựa trên IV. Do đó, các mô hình IV mod
24
Đối với các bài tập xác nhận này, chúng tôi sử dụng cổ phiếu cấp tỉnh thay vì chính xác hơn nhiều so với các mô hình OLS. Tương tự, các mô hình IV
chia sẻ cấp huyện vì dữ liệu VHLSS không mang tính đại diện cho cấp huyện. chúng tôi có bình phương R cao hơn trong cả hai năm so với các mô hình OLS, chứng
tổng hợp dữ liệu dự đoán (từ dữ liệu điều tra lao động việc làm) ở cấp tỉnh để được
tỏ rằng dự đoán dựa trên IV có thể giải thích nhiều hơn về thực tế
có thể so sánh với dữ liệu VHLSS.

11
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

bàn số 3

Các ước tính về ảnh hưởng thu nhập đối với các biện pháp thay thế gây mất an ninh lương thực

Sự chỉ rõ (1) (2) (3) (4) (5) (6)

Bảng A: Kết quả mất an toàn thực phẩm tự báo cáo

Cách tiếp cận OLS
0,039 *** 0,034 *** 0,014 *** 0,037 *** 0,037 *** 0,037 ***

(0,002) (0,002) (0,003) (0,002) (0,002) (0,002)

[0,000] [0,000] [0,000] [0,000] [0,000] [0,000]

N 46443 46443 27709 46443 46443 46443

Cách tiếp cận IV

0,051 *** 0,057 *** 0,050 0,204 0,081 0,053

(0,008) (0,006) *** (0,014) (0,144) (0,083) (0,064)
[0,000] [0,000] [0,000] [0,157] [0,330] [0,406]

Cragg-Donald F-stat 381,86 372,58 631,13 4,54 6,99 7,94

Montiel Olea và Pflueger F-stat 2.0e + 05 1,9e + 05 2336,57 3599,18 4087,31
N 46443 46443 24570 46443 46443 46443

Bảng B: Kết quả mất an toàn thực phẩm dựa trên HDDS
Cách tiếp cận OLS
0,126 *** 0,106 *** 0,067 *** 0,124 *** 0,124 *** 0,124 ***

(0,003) (0,003) (0,008) (0,004) (0,004) (0,004)

[0,000] [0,000] [0,000] [0,000] [0,000] [0,000]

N 46443 46443 27707 46443 46443 46443

Cách tiếp cận IV

0,242 *** 0,134 *** 0,118 *** 1,271 1,027 1,012 ***

(0,026) (0,019) (0,034) ** (0,525) *** (0,330) (0,304)

[0,000] [0,000] [0,000] [0,016] [0,002] [0,001]

Cragg-Donald F-stat 381,86 372,58 669,48 4,54 6,99 7,94

Montiel Olea và Pflueger F-stat 2,0e + 1,9e + 2336,57 3599,18 4087,31
N 05 46443 05 46443 24587 46443 46443 46443

Kiểm soát bổ sung

Tỉnh FE U UUU
Quận FE U
FE gia đình U
Năm FE U U
Tỉnh FE x xu hướng tuyến tính U
Tỉnh x Năm FE U

Bảng báo cáo kết quả từ các ước tính OLS và IV về ảnh hưởng của thu nhập hộ gia đình đối với tình trạng mất an toàn thực phẩm trong phương trình. 3. IV công cụ ước tính thu nhập hộ gia đình với Bartik

IV (xem Công thức 5). Tất cả các mô hình đều kiểm soát thành thị, quy mô hộ gia đình, tỷ lệ hộ gia đình có trình độ sau trung học và các đặc điểm của quận năm 2009 (giới tính, hôn nhân
tình trạng, bằng đại học, tình trạng nhập cư, tình trạng khuyết tật, chỉ số giàu có trung bình và tỷ lệ thất nghiệp). Mô hình tác động cố định hộ gia đình không bao gồm các đối chứng năm 2009.
Các lỗi tiêu chuẩn được báo cáo trong dấu ngoặc đơn và giá trị p được báo cáo trong dấu ngoặc đơn. Các lỗi tiêu chuẩn OLS được nhóm lại ở năm xã, các lỗi tiêu chuẩn IV được nhóm lại tại
***
cấp huyện và các ước tính về tác động cố định của hộ gia đình được ước tính trên một nhóm nhỏ các hộ gia đình tạo thành một bảng không cân đối với sai số tiêu chuẩn rõ ràng.
** *
p <0:01, p <0:05, p <0: 1.

sự khác biệt về tỷ lệ mất an toàn vệ sinh thực phẩm. Những kết quả này cho thấy rằng khó có thể gặp trong nghiên cứu này. Do đó, không có gì ngạc nhiên khi
Phương pháp IV có độ chính xác dự đoán ngoài mẫu cao hơn trong việc xác định trước cách tiếp cận IV tuyến tính tốt hơn cách tiếp cận IV probit.
tình trạng mất an toàn thực phẩm.

Chúng tôi cũng áp dụng các bước xác thực này cho cách tiếp cận IV probit
5.3. Dự báo diễn biến mất an ninh lương thực của Việt Nam trong thời gian
và so sánh với kết quả của phương pháp IV tuyến tính. Trong khác
dịch bệnh
từ đó, chúng tôi ước tính mối quan hệ giữa thu nhập hộ gia đình

và tình trạng mất an toàn thực phẩm khi sử dụng IV probit và tạo ra các tỉnh '
Chúng tôi sử dụng dữ liệu Khảo sát Lực lượng Lao động (LFS) năm 2019 để dự đoán
tỷ lệ hộ có nguy cơ mất an toàn thực phẩm cao trong năm 2016 và
tỷ lệ hộ có nguy cơ mất an toàn thực phẩm cao trên địa bàn huyện
2018,25 Sau đó, chúng tôi xác nhận những dự đoán này bằng số cổ phiếu thực tế
mức trước và sau cú sốc thu nhập bằng cách sử dụng phương pháp
của các hộ gia đình bị mất an ninh lương thực trong những năm này bằng cách sử dụng dữ liệu VHLSS.
được mô tả trong Phần 3.3. Đầu tiên, chúng tôi thu thập xác suất mất an toàn thực
Chúng tôi nhận thấy rằng phương pháp IV probit mang lại dự đoán chính xác hơn
phẩm trước đại dịch cho mỗi hộ gia đình trong
so với cách tiếp cận OLS, nhưng kém chính xác hơn so với cách tiếp cận IV tuyến tính của chúng tôi
Mẫu LFS 2019 sử dụng Eq. 2, hệ số đến từ đâu
cho cả năm 2016 và 2018 (xem Hình A.4). Như đã giải thích trong Phần 3.3 ,
các ước lượng IV trong Bảng 2 và các biến bên phải
giả định của phương pháp tiếp cận probit IV tương đối mạnh và
bao gồm cả thu nhập hộ gia đình là từ dữ liệu của cuộc điều tra lao động việc

làm.26 Sau đó, chúng tôi xác định những người có xác suất dự đoán trên phân vị 85 là

hộ gia đình '' nguy cơ cao "và được chia sẻ trước đại dịch '' nguy cơ cao”
25 hộ gia đình ở cấp huyện.
Chúng tôi sử dụng cùng một tiêu chí để tìm ngưỡng tối ưu cho dự đoán

xác suất mất an toàn thực phẩm được tạo ra từ ước tính probit IV. Ngưỡng Khả năng mất an toàn thực phẩm được dự báo sau đại dịch có thể là
điều đó giảm thiểu sự khác biệt giữa tỷ lệ phổ biến được dự đoán và quan sát được
được tạo ra theo cách tương tự ngoại trừ việc sử dụng sau đại dịch
tỷ lệ phổ biến là 33% và ngưỡng tối đa hóa thống kê Kappa của Cohen là

35% (xem Hình A.3). Chúng tôi chọn 33% làm ngưỡng cho xác suất dự đoán;
kết quả tương tự đối với ngưỡng 35%. 26
Nhớ lại rằng bản thân dữ liệu LFS không chứa thông tin về tình trạng mất an toàn thực phẩm.

12
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

Bảng 4

Mối quan hệ giữa tỷ trọng việc làm của ngành-huyện và đặc điểm của cấp huyện trong năm 2009.

Kết quả Khai thác Nông nghiệp (1) (2) Sản xuất. (3) Tiện ích Xây dựng (5) Bán lẻ Hậu cần (7) Phương tiện khách sạn (8) Tài chính

(4) (6) (9) (10)

Đô thị 0,20 *** 0,00 *** 0,04 ** 0,00 *** 0,01 ** 0,04 ** 0,02 ** 0,03 ** 0,00 *** 0,00 ***

(0,02) (0,01) (0,01) (0,00) (0,01) (0,01) (0,00) (0,00) (0,00) (0,00)
Sự giàu có 0,21 *** 0,02 ** 0,07 * 0,00 *** 0,01 ** 0,06 * 0,02 ** 0,03 ** 0,00 *** 0,00 ***

(0,02) (0,01) (0,01) (0,00) (0,01) (0,01) (0,00) (0,00) (0,00) (0,00)
Nữ chia sẻ 2,22 *** 0,33 *** 1,38 0,02 *** 0,53 0,37 0,01 ** 0,14 0,01 *** 0,04 **

(0,40) (0,12) (0,24) (0,02) (0,12) (0,12) (0,05) (0,06) (0,01) (0,01)
Chia sẻ đã kết hôn 0,29 *** 0,11 (0,05) 0,15 0,03 ** 0,19 0,10 *** 0,02 *** 0,11 *** 0,01 *** 0,00 ***

(0,16) 0,12 *** (0,09) (0,01) (0,05) (0,05) (0,02) (0,02) (0,00) (0,00)

Cao đẳng + 0,62 (0,13) 0,91 *** 0,01 ** 0,10 *** 0,16 *** 0,07 *** 0,11 *** 0,12 (0,00) 0,10

0,43 *** (0,04) (0,08) (0,01) (0,04) (0,04) (0,02) (0,02) 0,04 ** (0,00)

Khuyết tật 0,05 * 0,49 *** 0,05 *** 0,74 0,01 ** 0,03 ** 0,05 ** (0,02) 0,02 **

(0,71) (0,22) (0,42) (0,03) (0,21) (0,21) (0,09) (0,10) 0,02 *** (0,02)

Tình trạng di trú 1,22 *** 0,05 * 1,03 0,02 ** 0,14 0,08 * 0,02 ** 0,01 ** 0,01 ***

(0,10) (0,03) (0,06) (0,00) (0,03) (0,03) (0,01) (0,01) (0,00) (0,00)

Chưa triển khai 4,45 *** 0,26 0,59 0,09 * 0,67 1,27 0,60 0,50 0,00 *** 0,00 ***

(0,51) (0,16) (0,30) (0,02) (0,15) (0,15) (0,07) (0,08) (0,01) (0,01)

R bình phương 0,92 703 0,35 0,79 0,69 703 0,58 0,88 703 0,85 703 0,87 703 0,92 703 0,94

Quan sát 703 703 703 703

Kết quả Có thật Khoa học Quản trị viên Quản lý. Giáo dục Sức khỏe Sự giải trí. Khác Hộ gia đình

Động Dịch vụ công nhân

sản (11) (12) (13) (14) (15) (16) (17) (18) (19)

Đô thị 0,00 *** 0,00 *** 0,00 *** 0,02 ** 0,02 ** 0,01 *** 0,01 *** 0,01 *** 0,00 ***

(0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00)

Sự giàu có 0,00 *** 0,00 *** 0,00 *** 0,01 *** 0,01 *** 0,00 *** 0,00 *** 0,01 *** 0,00 ***

(0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00)

Nữ chia sẻ 0,01 *** 0,02 ** 0,02 ** 0,11 *** 0,02 *** 0,03 ** 0,07 * 0,03 ** 0,04 **

(0,01) (0,01) (0,01) (0,05) (0,04) (0,02) (0,02) (0,01) (0,01)

Chia sẻ đã kết hôn 0,01 *** 0,01 *** 0,01 *** 0,11 (0,02) 0,00 *** 0,01 *** 0,01 *** 0,03 *** 0,02 ***

(0,00) (0,01) (0,00) 0,23 (0,02) (0,02) (0,01) (0,01) (0,01) (0,01)

Cao đẳng + 0,01 ** 0,12 (0,00) 0,02 ** 0,10 *** 0,22 (0,01) 0,05 ** 0,01 *** 0,03 *** 0,02 **

(0,00) 0,03 ** (0,00) (0,09) 0,09 *** (0,01) (0,01) (0,00) (0,00)

Khuyết tật 0,01 *** (0,02) 0,01 ** 0,04 *** (0,07) 0,03 *** 0,04 ** 0,10 * 0,06 *

(0,01) 0,01 *** (0,01) 0,06 *** (0,03) (0,03) (0,03) (0,02)

Tình trạng di trú 0,02 ** 0,01 *** 0,02 *** 0,00 *** 0,01 *** 0,01 ***

(0,00) (0,00) (0,00) (0,01) (0,01) (0,00) (0,00) (0,00) (0,00)

Chưa triển khai 0,02 ** 0,02 ** 0,02 ** 0,12 0,09 * 0,05 * 0,01 ** 0,15 (0,02) 0,01 **

(0,01) 0,76 (0,02) (0,01) 0,88 (0,07) (0,05) (0,02) ( 0,02) 0,89 (0,02)

R bình phương 0,90 0,67 0,75 0,77 0,66 0,72

Quan sát 703 703 703 703 703 703 703 703 703

Bảng báo cáo kết quả từ việc ước tính hồi quy tỷ lệ việc làm theo ngành-huyện (như là kết quả) và các đặc điểm của cấp huyện trong năm 2009. Sai số tiêu chuẩn là ở
** *
dấu ngoặc đơn. *** p <0:01, p <0: 1.p <0:05,

Bảng 5

IV ước tính về tác động của thu nhập hộ gia đình đối với tình trạng mất an ninh lương thực bằng cách sử dụng giả cổ phiếu năm 2009 của ngành công nghiệp cấp huyện làm công cụ.

2SLS GMM LIML

(1) (2) (3) (4) (5) (6)

Hệ số 0,254 *** 0,365 *** 0,290 *** 0,386 *** 0,283 *** 0,397 ***

[-0,31; 0,20] [-0,44; 0,29] [-0,34; 0,24] [-0,46; 0,31] [-0,35; 0,21] [-0,49; 0,31]

(0,029) (0,040) (0,025) (0,039) (0,036) (0,047)

Kiểm tra quá mức

J Thống kê v- 53,17 22,64 53,17 22,64 48,98 21,33

bình phương giá trị p 0,000 0,161 0,000 0,161 0,000 0,212

Ám ảnh 46443 46443 46443 46443 46443 46443

Kiểm soát hộ gia đình Có Có Có Có Có Có Có Có Có Có Đúng

FE năm tỉnh Đúng

Kiểm soát khu vực cơ sở Không Đúng Không Đúng Không Đúng

Bảng này trình bày kết quả ước tính ảnh hưởng của thu nhập hộ gia đình đến tình trạng mất an toàn thực phẩm trong phương trình. 3, nơi thu nhập hộ gia đình được xác định bằng công cụ của khu vực công nghiệp

tỷ lệ việc làm trong các biến giả năm 2009; phương trình giai đoạn đầu tiên là trong Eq. 6. Kiểm soát đặc điểm hộ gia đình bao gồm thành thị, quy mô hộ gia đình và tỷ trọng
thành viên hộ gia đình có trình độ văn hóa sau trung học. Cơ sở (2009) các đặc điểm cấp huyện là giới tính, tình trạng hôn nhân, bằng cấp đại học, tình trạng nhập cư, tình trạng khuyết tật,
chỉ số giàu có trung bình và tỷ lệ thất nghiệp. Bài kiểm tra Sargan-Hansen là bài kiểm tra quá mức cho 2SLS và bài kiểm tra quá mức Anderson-Rubin là cho GMM và
LIML. Các lỗi tiêu chuẩn được tập trung ở cấp huyện. Các lỗi tiêu chuẩn được báo cáo trong dấu ngoặc đơn và giá trị p được báo cáo trong dấu ngoặc đơn.
p <0:01; p <0:05; p <0: 1.

13
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

Bảng 6

Các ước tính về ảnh hưởng của thu nhập đối với mất an ninh lương thực khi sử dụng phi nông nghiệp Bartik IV.

Sự chỉ rõ (1) (2) (3) (4) (5) (6)

Bảng A: Bartik IV
0,263 *** 0,222 *** 0,202 *** 0,182 0,349 *** 0,396 ***

(0,018) (0,015) (0,026) (0,231) (0,132) (0,130)

[0,000] [0,000] [0,000] [0,430] [0,008] [0,002]

N 46443 46443 24499 46443 46443 46443

Bảng B: Non-ag. Bartik IV

0,240 *** 0,195 *** 0,188 *** 0,567 0,238 0,326 **

(0,017) (0,013) (0,018) (0,519) ** (0,100) (0,130)

[0,000] [0,000] [0,000] [0,275] [0,017] [0,012]

N 46443 46443 24499 46443 46443 46443

Kiểm soát bổ sung

Tỉnh FE U UU U
Quận FE U
FE gia đình U
Năm FE U U
Tỉnh FE x xu hướng tuyến tính U
Tỉnh x Năm FE U

Bảng báo cáo kết quả từ các ước tính IV về ảnh hưởng của thu nhập hộ gia đình đến tình trạng mất an toàn thực phẩm trong phương trình. 3, trong đó thu nhập hộ gia đình được xác định bằng công cụ

Bartik IV và phi nông nghiệp Bartik IV (xem Công thức 5). Tất cả các mô hình đều kiểm soát thành thị, quy mô hộ gia đình và tỷ lệ hộ gia đình có trình độ sau trung học cơ sở và các đặc điểm của quận năm 2009

(giới tính, tình trạng hôn nhân, bằng cấp đại học, tình trạng nhập cư, tình trạng khuyết tật, chỉ số giàu có trung bình và tỷ lệ thất nghiệp). Các lỗi tiêu chuẩn được báo cáo trong dấu ngoặc đơn
và giá trị p được báo cáo trong dấu ngoặc đơn. Mô hình tác động cố định hộ gia đình không bao gồm các đối chứng năm 2009. Các lỗi tiêu chuẩn OLS được tập hợp lại ở các lỗi tiêu chuẩn cấp xã, năm IV
được nhóm lại ở cấp huyện, và các ước tính về tác động cố định của hộ gia đình được ước tính trên một số ít các hộ gia đình tạo thành một nhóm không cân bằng với tiêu chuẩn rõ ràng
*** ** *
các lỗi. p <0:01, p <0:05, p <0: 1.

Hình 4. Dự báo và thực trạng mất an toàn thực phẩm năm 2018 ở cấp tỉnh. Lưu ý: Các biện pháp dự báo về mất an ninh lương thực của từng tỉnh có tỷ lệ hộ gia đình được dự báo cao
nguy cơ mất an toàn thực phẩm (trên 84 phần trăm); Thực tế mất an toàn thực phẩm đo lường tỷ lệ hộ gia đình bị mất an toàn thực phẩm thực tế ở mỗi tỉnh sử dụng mẫu VHLSS ở
năm y. Nguy cơ mất an toàn thực phẩm dự đoán được thu được bằng cách ước tính ảnh hưởng của thu nhập đối với tình trạng mất an toàn thực phẩm bằng cách sử dụng mẫu VHLSS trước y tế và dự đoán bằng mẫu LFS trong y.

14
Machine Translated by Google
K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al.
Hình 5. Tỷ lệ hộ gia đình có dự đoán rủi ro cao.
thu nhập thay vì thu nhập năm 2019. Ngân hàng Thế giới chỉ ra rằng
thu nhập bình quân hàng tháng của mỗi người trong lĩnh vực nông
nghiệp, sản xuất công nghiệp và dịch vụ trong quý 2 năm 2020 thấp
hơn so với năm 2019 lần lượt là 3%, 5,1% và 7,3% (Morisset và cộng
27
Chúng tôi sử dụng những ước tính này để tính toán thu nhập sau
sự, Năm 2020).
đại dịch cho mỗi hộ gia đình trong mẫu điều tra lao động việc làm năm 2019,
28 và tạo ra xác suất dự đoán sau đại dịch cho từng hộ gia đình trong mẫu
điều tra lao động việc làm năm 2019 theo phương trình. 2. Tương tự, các
hộ gia đình '' có nguy cơ cao ”được phân loại bằng cách sử dụng ngưỡng
phân vị thứ 85 để tính tỷ lệ hộ có nguy cơ cao sau đại dịch cho mỗi huyện.
Chúng tôi thấy rằng tỷ lệ trung bình của hộ gia đình '' có nguy
cơ cao ”là 14,74% đối với trước đại dịch và 15,56% đối với sau đại
dịch. Nói cách khác, tỷ lệ hộ gia đình mất an ninh lương thực được
dự đoán sẽ tăng 0,82 điểm phần trăm (KTC 95%: 0,77, 0,87) do cú sốc
thu nhập trong đại dịch. Tiếp theo, chúng tôi chuyển sang nhóm dân
số yếu thế nhất là trẻ nhỏ: tỷ lệ trung bình của trẻ em từ 0 đến 5
tuổi có nguy cơ mất an toàn thực phẩm cao là 18% đối với trước đại
dịch và 19% đối với sau đại dịch. Tỷ lệ trẻ em không an toàn về thực
phẩm được dự đoán sẽ tăng 0,997% (KTC 95%: 0,897, 1,10). Những kết
quả này được tóm tắt trong Hình 5.
Tuy nhiên, sự gia tăng nhỏ về tình trạng mất an ninh lương thực
này cho thấy sự khác biệt về mặt địa lý đối với những thay đổi về
tình trạng mất an ninh lương thực giữa các khu vực. Trong Hình 6,
chúng tôi lập bản đồ tỷ lệ hộ gia đình có nguy cơ cao trước và sau
đại dịch của các huyện và sự khác biệt giữa hai tỷ lệ này. Mức tăng
tương đối nhỏ trên cả nước, nhưng một số huyện có mức tăng lớn tới
7,86 điểm phần trăm. Chỉ có 102 trong số 702 quận trong tỉnh của
chúng tôi có mức tăng lớn hơn 2 điểm phần trăm. Simi larly, Hình 7
cho thấy những thay đổi về tỷ lệ trẻ em từ 0 đến 5 tuổi có nguy cơ
mất an toàn thực phẩm được dự báo cao do cú sốc thu nhập; Dự đoán
560 quận sẽ có mức tăng từ 0 đến 2 điểm phần trăm, 141 quận được dự
đoán sẽ có
27
Những con số này dựa trên ước tính của Tổng cục Thống kê sử dụng dữ liệu cuộc điều
tra lao động việc làm cho quý 2 năm 2020. Theo báo cáo của TCTK, thu nhập bình quân
hàng tháng giảm từ 5.517 đồng trong quý 2-2019 xuống còn 5.238 đồng trong quý 2-2019
(5,06%). Thu nhập giảm từ 3.035 đồng xuống 2.951 đồng (2,76%) trong khu vực nông, lâm
nghiệp và thủy sản; khu vực công nghiệp và xây dựng từ 6.534 đồng đến 6.201 đồng
(5,01%); và từ 6.939 đồng đến 6.429 đồng (7,35%) ở khu vực dịch vụ.
28
Lưu ý rằng dữ liệu thu nhập và việc làm từ mẫu LFS được phân loại ở cấp độ ngành
(ISIC ba chữ số), trong khi thông tin về các cú sốc thu nhập là theo lĩnh vực. Do đó,
chúng tôi phân loại lại dữ liệu thu nhập và việc làm theo lĩnh vực trước khi đối sánh
với các cú sốc thu nhập cụ thể theo lĩnh vực.
15
Phát triển Thế giới 153 (2022) 105838
tăng từ 2 đến 10 điểm phần trăm, và chỉ có 7 quận, huyện được dự
đoán có mức tăng lớn hơn 10 điểm phần trăm và lên đến 19,33 điểm
phần trăm. Phát hiện này cho thấy chil dren có thể bị ảnh hưởng
nghiêm trọng hơn về tình trạng mất an ninh lương thực trong thời
kỳ đại dịch.
Ngoài ra, chúng ta có thể đặt câu hỏi về nguy cơ mất an toàn thực
phẩm sẽ như thế nào nếu Việt Nam không ngăn chặn thành công vi rút.
Để trả lời câu hỏi này, chúng tôi dự đoán tình trạng mất an ninh
lương thực đối với một kịch bản mà mức giảm hàng quý từ Morisset et
al. (2020) sẽ tiếp tục trong cả bốn quý. Nói cách khác, chúng tôi
tính toán những thay đổi hàng năm của thu nhập và sử dụng những tính
toán đó để đưa ra dự đoán về tình trạng mất an ninh lương thực của
chúng tôi. Theo kịch bản này, thu nhập bình quân của khu vực nông
nghiệp, chế tạo và dịch vụ giảm lần lượt là 12,6%, 22% và 32,55%. Tỷ
lệ hộ gia đình '' có nguy cơ cao ”trước đại dịch là 12,46% và tỷ lệ
hộ gia đình sau đại dịch là 19,28%. Nói cách khác, tỷ lệ hộ gia đình
mất an ninh lương thực được dự đoán sẽ tăng 6,81 điểm phần trăm
(KTC 95%: 6,67, 6,95). Trong Hình A.5, chúng tôi lập bản đồ sự thay
đổi tỷ lệ của các hộ gia đình '' rủi ro cao ”do cú sốc thu nhập trong
đại dịch. Một mô hình tương tự được kỳ vọng: trong khi mức thay
đổi trung bình là 7,06 điểm phần trăm, một số ít các quận sẽ có mức
tăng lên tới 26,62 điểm phần trăm. Đây có thể là một đánh giá thấp
vì những người bị mất an ninh lương thực trong ngắn hạn có thể bị
giảm năng suất về lâu dài, từ đó ảnh hưởng đến thu nhập dài hạn và
mất an ninh lương thực.
5.4. Hàm ý chính sách
Những dự đoán này cung cấp một bức tranh chi tiết về những quận
nào có thể đã trải qua sự gia tăng lớn hơn về tình trạng mất an ninh
lương thực và do đó có thể cần nhiều hỗ trợ hơn những quận khác.
Thông tin này sẽ cho phép chính phủ hoặc các tổ chức quốc tế nhanh
chóng xác định và phân bổ nhiều nguồn lực hơn cho các huyện làm tăng
nguy cơ mất an ninh lương thực lớn hơn và phân bổ ít nguồn lực
hơn cho các huyện có nguy cơ gia tăng nhỏ hơn. Ví dụ, hãy xem xét
biểu đồ phân tán của Hình A.6 về tỷ lệ hộ gia đình trước đại dịch
của mỗi huyện có nguy cơ mất an toàn thực phẩm cao và sự gia tăng
điểm phần trăm của mỗi huyện trong tỷ lệ đó do đại dịch. Các huyện
bên phải đường gạch ngang nằm trong nhóm 10% dẫn đầu về mất an toàn
thực phẩm, tức là các huyện có tỷ lệ hộ '' nguy cơ cao '' lớn nhất
vào năm 2019 và các huyện phía trên đường thẳng.
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

Hình 6. Sự thay đổi trước đại dịch, sau đại dịch và điểm phần trăm trong tỷ lệ hộ gia đình có nguy cơ mất an toàn thực phẩm cao của mỗi huyện. Các bản đồ cho thấy (a) trước đại dịch, (b)
sau đại dịch và (c) thay đổi điểm phần trăm trong tỷ lệ hộ gia đình có nguy cơ mất an toàn thực phẩm cao. Nguy cơ trước đại dịch được dự đoán là mất an ninh lương thực bằng cách sử dụng
dữ liệu thu nhập hộ gia đình năm 2019 từ Điều tra lực lượng lao động năm 2019. Rủi ro sau đại dịch được dự đoán là mất an ninh lương thực bằng cách sử dụng thu nhập sau đại dịch, được
tính toán bằng cách sử dụng phần trăm thay đổi hàng quý của thu nhập trung bình theo ngành từ Morisset et al. (2020): thu nhập bình quân giảm 3% trong nông nghiệp, 5,1% trong chế tạo và
7,3% trong dịch vụ mỗi quý.

nằm trong top 10% về mức độ gia tăng dự báo mất an ninh lương thực,
tức là các quận, huyện có tỷ lệ hộ gia đình '' nguy cơ cao '' tăng
nhiều nhất do đại dịch.
Một cách tiềm năng mà chính phủ có thể phân bổ viện trợ dựa trên nhu
cầu là ưu tiên các huyện nằm trong góc phần tư thứ nhất vì cả hai đều
có mức độ mất an ninh lương thực cao trước đại dịch và mức độ mất an
ninh lương thực do đại dịch tăng cao nhất.
Ưu tiên thứ hai có thể được chỉ định cho các huyện ở bên trái đường
đứt nét và phía trên đường liền nét; đây là những huyện đang xảy ra
tình trạng mất an ninh lương thực gia tăng tạm thời. Ưu tiên thứ ba có thể
là các quận ở góc dưới cùng bên phải; mặc dù các huyện này có tình
trạng mất an toàn vệ sinh thực phẩm trước đại dịch khá cao nhưng mức
tăng không cao so với các huyện khác. Nghiêm trọng hơn, mức độ mất an
toàn thực phẩm trước đại dịch của họ có thể liên quan đến các yếu tố
không liên quan đến khả năng chi trả, chẳng hạn như chế độ ăn uống truyền thống.
Các quận ở phía dưới bên trái của biểu đồ có rủi ro thấp nhất và do đó
sẽ được chỉ định mức độ ưu tiên thấp nhất. Chính phủ cũng có thể theo
đuổi một kế hoạch ưu tiên phức tạp hơn dựa trên những nguy cơ mất an
toàn thực phẩm này, ví dụ, sử dụng nhiều mức cắt giảm.

16
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

Hình 7. Sự thay đổi trước đại dịch, sau đại dịch và điểm phần trăm trong tỷ lệ trẻ em từ 0–5 tuổi của mỗi quận có nguy cơ mất an toàn thực phẩm cao. Các bản đồ cho thấy mức độ thay đổi
trước đại dịch, sau đại dịch và điểm phần trăm trong tỷ lệ trẻ em từ 0–5 tuổi có nguy cơ mất an toàn thực phẩm cao. Nguy cơ trước đại dịch được dự đoán là mất an ninh lương thực bằng
cách sử dụng dữ liệu thu nhập hộ gia đình năm 2019 từ Điều tra lực lượng lao động năm 2019. Rủi ro sau đại dịch được dự đoán là mất an ninh lương thực bằng cách sử dụng thu nhập sau đại
dịch, được tính toán bằng cách sử dụng phần trăm thay đổi hàng quý của thu nhập trung bình theo ngành từ Morisset et al. (2020): thu nhập bình quân giảm 3% trong nông nghiệp, 5,1% trong chế
tạo và 7,3% trong dịch vụ mỗi quý.

Điều quan trọng cần lưu ý là một cách tiếp cận nhắm mục tiêu hiệu quả
sẽ kết hợp cách tiếp cận nhắm mục tiêu theo địa lý được đề xuất trong
nghiên cứu này với nhắm mục tiêu hộ gia đình hoặc cá nhân (Barrett, 2010;
Chương trình Lương thực Thế giới, 2015). Phương pháp được đề xuất
trong nghiên cứu này trước tiên có thể cung cấp đánh giá cấp huyện về
nguy cơ mất an toàn thực phẩm do đại dịch, cho phép chính phủ hoặc các tổ
chức phân bổ nhiều nguồn lực hoặc tiền hơn cho các huyện bị ảnh hưởng
nhiều hơn và phân bổ ít nguồn lực hơn cho các huyện không bị ảnh hưởng.
nhiều như vậy. Sau quá trình phân bổ này, chính quyền địa phương của
như nông nghiệp. Trong Phụ lục C, chúng tôi thấy rằng 72,53% hộ gia đình đã
huyện có thể nhắm mục tiêu các hộ gia đình có mức độ mất an toàn thực phẩm cao hơn
rủi ro rity vì họ có xu hướng có thông tin chính xác hơn (Chương trình
Lương thực Thế giới, 2015).
Cách tiếp cận này có thể tốt hơn so với nhắm mục tiêu hộ gia đình đơn
giản, đặc biệt là trong bối cảnh của các nước đang phát triển. Quá trình
lập ngân sách cho viện trợ khẩn cấp dựa trên tình trạng nghèo của hộ gia
đình gặp nhiều thách thức hơn và dễ xảy ra sai sót, do số liệu của hộ gia
đình có thể không được cập nhật hàng năm. Quan trọng hơn, không phải tất
cả các hộ nghèo đều có nguy cơ mất an toàn thực phẩm cao trong thời kỳ
đại dịch, đặc biệt là những hộ làm việc trong các ngành không bị ảnh hưởng

17
Machine Translated by Google
K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al.
trước đây nghèo năm 2019 không thuộc nhóm nguy cơ mất an toàn vệ sinh thực
phẩm cao trong thời kỳ đại dịch. Do đó, nếu chỉ sử dụng tình trạng nghèo đói
có thể dẫn đến việc lập ngân sách quá mức cho các huyện có nguy cơ thấp,
trong khi phương pháp của chúng tôi cho phép chính phủ và các tổ chức phân
bổ nguồn lực chính xác hơn và do đó hiệu quả hơn. Một khi chính phủ hoặc các
tổ chức quốc tế có thể xác định các hộ gia đình không an toàn về thực phẩm,
họ có thể thiết kế một chương trình hỗ trợ lương thực phù hợp dựa trên ngân
sách của họ.
Điều quan trọng cần nhấn mạnh là dự đoán của chúng tôi dành riêng cho các
cú sốc mất an ninh lương thực trong thời gian ngắn do đại dịch hoặc tình
huống khẩn cấp gây ra và do đó chỉ nên được sử dụng để hướng dẫn các phản
ứng kịp thời nhằm cứu trợ ngắn hạn trong một cuộc khủng hoảng (Lentz &
Barrett, 2013) . Các chính sách cứu trợ ngắn hạn như vậy rất khác với các
chương trình và chính sách bảo trợ xã hội nhằm giải quyết các nguyên nhân
cơ cấu gây mất an ninh lương thực vì chúng chủ yếu tập trung vào (1) giảm
thiểu bất kỳ tác động tiêu cực nào đến sức khỏe, đặc biệt là đối với trẻ em,
từ các cú sốc ngắn hạn (Lentz & Barrett, 2013) và (2) đảm bảo rằng người dân
đói có đủ thức ăn trong thời gian đóng cửa hoặc suy thoái kinh tế để họ có
thể tuân theo các biện pháp y tế công cộng.
Các lựa chọn can thiệp có thể khác nhau tùy theo quốc gia, tổ chức và mục
tiêu (Lentz, Barrett, Gómez, & Maxwell, 2013; Barrett, Bell, Lentz, & Maxwell,
2009). Nếu ngân sách hạn chế, một lựa chọn là gửi lương thực chính cho các
hộ gia đình không đảm bảo lương thực. Khác với trường hợp thiên tai, các hộ
dân mất ăn vẫn được vào chợ; bằng cách giảm chi phí cho thực phẩm chính, các
hộ gia đình cũng có thể chi tiêu nhiều hơn cho thực phẩm không phải chủ yếu.
Thực phẩm thiết yếu cũng rẻ hơn thực phẩm không phải thực phẩm chủ yếu, điều
này sẽ cho phép chính phủ gửi nhiều hơn đến từng hộ gia đình không an toàn
về thực phẩm hoặc tiếp cận nhiều hơn
các hộ gia đình bị mất an ninh lương thực.29 Chính phủ và các tổ chức quốc
tế cũng có thể gửi các loại thực phẩm không phải là chủ yếu và các chất bổ
sung vi chất dinh dưỡng nếu họ có đủ tiền trong ngân sách và đủ nguồn lực.
Mặc dù chuyển tiền mặt cũng là một cách tiếp cận phổ biến (Gentilini và cộng
sự, 2020), chính sách cứu trợ này có thể dẫn đến những hậu quả không mong
muốn như giá thực phẩm cao hơn ở các thị trường xa xôi (Filmer, Friedman,
Kandpal, & Onishi, 2021).
6. Thảo luận và kết luận
Nghiên cứu này đề xuất một cách tiếp cận để dự đoán những thay đổi về nguy
cơ mất an ninh lương thực do các cú sốc thu nhập ở cấp địa phương trong
các trường hợp khẩn cấp như đại dịch toàn cầu. Chúng tôi áp dụng phương
pháp này để dự đoán những thay đổi về nguy cơ mất an toàn thực phẩm do đại
dịch cho tất cả 702 quận, huyện ở Việt Nam. Chúng tôi dự đoán rằng tỷ lệ hộ
gia đình không an toàn về thực phẩm tăng 0,82 điểm phần trăm, tính theo độ
tuổi, vì hầu hết các quận huyện chỉ tăng 0 đến 2 điểm phần trăm và chỉ 102
trong số 702 quận, huyện có mức tăng ấu trùng hơn 2 điểm phần trăm. Một số
ít các quận, huyện có mức tăng lên tới 7,86 điểm phần trăm. Tỷ lệ trẻ em từ 0
đến 5 tuổi bị mất an toàn thực phẩm được dự đoán sẽ tăng 0,997 điểm phần
trăm, mặc dù một số ít quận, huyện có thể lên tới 19,33 điểm phần trăm.
Một số điểm quan trọng có thể được rút ra từ những dự đoán này.
Thứ nhất, Việt Nam là một trong những quốc gia thành công nhất trong việc
ngăn chặn vi rút ở giai đoạn đầu và tác động tổng thể lên nền kinh tế trong
giai đoạn nghiên cứu là tương đối nhỏ (Fund, 2020). Do đó, dự đoán của chúng
tôi cho thấy ảnh hưởng trung bình đến mất an ninh lương thực trên toàn quốc
có thể là khá nhỏ trong giai đoạn này. Tuy nhiên, chúng tôi cho thấy rằng một
số ít bộ lạc được dự đoán sẽ bị ảnh hưởng nghiêm trọng hơn những bộ tộc khác
vì đại dịch có những tác động khác nhau đến các lĩnh vực kinh tế khác nhau.
Phát hiện này nhấn mạnh tầm quan trọng của mục tiêu hiệu quả
29
Ví dụ, Chương trình Lương thực Thế giới của Liên hợp quốc cung cấp lúa miến, ngô, kê
và gạo, đậu, đậu mắt đen, và dầu thực vật ở tám tỉnh Chad trong ba tháng như một biện pháp
ứng phó với những cú sốc mất an ninh lương thực tạm thời do đại dịch gây ra.
18
Phát triển Thế giới 153 (2022) 105838
bởi vì những học khu này có thể yêu cầu nhiều hỗ trợ hơn những khu vực khác.
Điều này đặc biệt đúng đối với các quận có nhiều trẻ nhỏ bị ảnh hưởng hơn.
Chúng tôi cũng lưu ý rằng nếu Việt Nam không sớm ngăn chặn đại dịch, tình
trạng mất an ninh lương thực có thể đã trở nên tồi tệ hơn đáng kể, điều này
cho thấy các phản ứng y tế cộng đồng hiệu quả đối với đại dịch có thể giảm
thiểu các tác động kinh tế tiềm tàng của nó.
Cách tiếp cận được đề xuất trong nghiên cứu này và những phát hiện của nó
đi kèm với một số lưu ý. Đầu tiên, chúng tôi tập trung vào việc dự đoán những
thay đổi trong tình trạng khan hiếm lương thực do các cú sốc thu nhập, do
đó, khả năng của chúng tôi để nói về tác động thực tế của đại dịch đối với
tình trạng mất an ninh lương thực còn hạn chế. Đặc biệt, dự đoán của chúng
tôi về ảnh hưởng đối với tình trạng mất an ninh lương thực do đại dịch gây
ra có thể có giới hạn thấp hơn bởi vì chúng tôi không tính đến việc tăng giá
lương thực30 và giảm lượng kiều hối và chuyển khoản xã hội31 do thiếu dữ
liệu phân tách về thay đổi giá lương thực và các khoản thu nhập bổ sung này.
Giá lương thực cao hơn có nghĩa là các hộ gia đình phi nông nghiệp có nhiều
khả năng bị ảnh hưởng hơn, trong khi chuyển tiền thấp hơn có nghĩa là khả
năng mua thực phẩm dinh dưỡng của các hộ gia đình giảm nhiều hơn.32,33 Thứ
hai, phương pháp dựa trên IV của chúng tôi cung cấp dự đoán về những thay
đổi trong tình trạng mất an ninh lương thực do các cú sốc về thu nhập, do
đó, khả năng dự đoán mức độ mất an toàn lương thực của nó có thể không đủ so
với các phương pháp dự đoán hiện có kết hợp nhiều dữ liệu hơn như giá thị
trường, điều kiện thời tiết và đặc điểm địa lý (ví dụ, Lentz và cộng sự, 2019).
Tuy nhiên, phương pháp này sẽ cho phép một cách tiếp cận nhắm mục tiêu
tốt hơn so với hầu hết các phương pháp nhắm mục tiêu thay thế với cùng một
hạn chế về dữ liệu. Ví dụ, một cách tiếp cận thay thế phổ biến là nhắm mục
tiêu vào các hộ gia đình đã nghèo trước đại dịch vì họ có khả năng dễ bị tổn
thương hơn trước cú sốc thu nhập của đại dịch.
Tuy nhiên, chính phủ cũng sẽ hướng đến các hộ nghèo có nguy cơ mất an toàn
thực phẩm thấp (sai số bao gồm), đặc biệt là những hộ gia đình có thành viên
làm việc trong các ngành nghề không bị ảnh hưởng, đồng thời bỏ sót các hộ cận
nghèo thực sự bị mất an toàn thực phẩm (sai số loại trừ). Chúng tôi đánh giá
từng loại lỗi trong Phụ lục C.
Nhắm mục tiêu các hộ nghèo trước đây sẽ bao gồm 56,38% hộ nghèo không có rủi
ro cao và sẽ bỏ sót 11,05% hộ có nguy cơ cao không nghèo. Điều này rất kém
hiệu quả, vì số tiền được gửi đến những hộ gia đình nghèo nhưng được đảm bảo
về lương thực có thể được gửi đến những hộ gia đình thực sự cần họ hơn.
Một phương pháp thay thế khác là nhắm mục tiêu vào các huyện có mức giảm
thu nhập lớn nhất do đại dịch hoặc nhắm vào các huyện có tỷ lệ đói nghèo gia
tăng lớn nhất trước bất kỳ mục tiêu hộ gia đình hoặc cá nhân nào. Các phương
pháp này cũng có thể chọn nhầm các huyện có nguy cơ mất an toàn thực phẩm
tăng cao hơn hoặc bỏ sót các huyện có nguy cơ mất an toàn thực phẩm gia tăng
đáng kể. Trong Appen dix C, chúng tôi chỉ ra rằng 75,96% các huyện trong 10%
mất thu nhập hàng đầu không nằm trong 10% (dự đoán) tăng cao nhất về tình
trạng mất an ninh lương thực. Tương tự, 90,35% số quận, huyện nằm trong 10%
số gia tăng nhiều nhất không nằm trong 10% (dự đoán) gia tăng mất an toàn
thực phẩm. Hơn nữa, hai phương pháp nhắm mục tiêu này cũng sẽ bỏ sót 72,31%
và 77,82% các quận, huyện nằm trong nhóm 10% (dự đoán) gia tăng mất an ninh
lương thực hàng đầu. Những phương pháp đơn giản hơn này có tỷ lệ sai sót
rất cao, một lần nữa, có thể gây tốn kém cho chính phủ.
30
Dietrich, Giuffrida, Martorano và Schmerzeck (2021) chỉ ra rằng việc cấm cửa nghiêm ngặt
và giảm tính di chuyển có thể làm tăng giá lương thực do chi phí thương mại cao hơn, đặc
biệt là ở các thị trường tích hợp ở 44 quốc gia có thu nhập thấp và trung bình. Ruan, Cai,
and Jin (2021) cũng nhận thấy rằng việc khóa cửa nghiêm ngặt làm tăng giá rau ở Trung Quốc.
31 Ngân hàng Thế giới báo cáo rằng lượng kiều hối có thể giảm 14% vào năm 2021.
32
Đối với trường hợp của Việt Nam, theo hiểu biết của chúng tôi, chưa có bất kỳ thống kê
chính thức nào về việc lượng kiều hối bị ảnh hưởng như thế nào bởi đại dịch; Ngân hàng Thế
giới (2020) chỉ ra rằng Việt Nam nằm trong số những quốc gia nhận kiều hối nhiều nhất vào năm
2020. Theo VHLSS, tỷ trọng thu nhập trung bình của hộ gia đình đến từ kiều hối và chuyển khoản
xã hội là khoảng 8,68% đến 9,59% trong giai đoạn 2010–2018. 33
Gupta và cộng sự. (2021) nhận thấy rằng việc đóng cửa ở một vùng nông thôn ở Ấn Độ làm
giảm đáng kể thu nhập của hộ gia đình, buộc các hộ gia đình phải giảm tiêu thụ thực phẩm của
họ.
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

Các phương pháp dự đoán với độ chính xác cao có thể được sử dụng
trong phương pháp tiếp cận nhắm mục tiêu hiệu quả, do đó sẽ cho phép
các công việc nhẹ nhàng ngăn ngừa như cung cấp viện trợ lương thực để
giảm đáng kể tác động từ các cú sốc mất an ninh lương thực Barrett
(2010). Phương pháp của chúng tôi cung cấp dự đoán chính xác hơn về các
cú sốc mất an ninh lương thực ở cấp địa phương (so với dự đoán dựa
trên OLS), mà chính phủ hoặc các tổ chức quốc tế có thể sử dụng để phân
bổ nguồn lực và tiền bạc dựa trên những tác động được dự đoán đối với
tình trạng thiếu lương thực. Một cách tiếp cận dự đoán và nhắm mục tiêu
tốt hơn sẽ cho phép các cộng đồng có nhu cầu cao hơn nhận được nhiều hỗ
trợ hơn và giảm thiểu mọi tác động tiêu cực của các cú sốc về mất an
ninh lương thực một cách kịp thời.

Tuyên bố đóng góp quyền tác giả CRediT

Khoa Vu: Khái niệm, Phân tích hình thức, Phương pháp luận, Xác
thực, Hình dung, Viết - bản thảo gốc, Viết - xem xét và chỉnh sửa.
Nguyễn Đình Tuấn Vương: Khái niệm, Phân tích hình thức, Phương
pháp luận, Thẩm định, Trực quan, Viết - bản thảo gốc, Viết - duyệt &
chỉnh sửa. Tu-Anh Vu-Thanh: Conceptual ization, Resources, Data
curation, Writing - review & edit, Vali dation. Anh Ngoc Nguyen:
Conceptualization, Resources, Data curation, Writing - review & edit,
Hình A.2. Sự khác biệt về tỷ lệ hiện mắc và thống kê Kappa của Cohen để chọn ngưỡng
tối ưu cho các hộ gia đình có nguy cơ cao cho mô hình xác suất tuyến tính. Đối với
mỗi giá trị c từ phân vị thứ 0 đến thứ 99, chúng tôi sử dụng c làm ngưỡng để phân
loại hộ gia đình '' rủi ro cao "(dựa trên xác suất dự đoán) và tính toán sự khác biệt
giữa tỷ lệ hiện mắc được dự đoán, tức là tỷ lệ '' rủi ro cao ”Số hộ gia đình trừ đi
tỷ lệ hộ gia đình thực sự bị mất an ninh lương thực, và thống kê của Cohen's Kappa.
Chúng tôi vẽ biểu đồ sự khác biệt về tỷ lệ phổ biến và thống kê kappa cho tất cả các

Validation. ngưỡng trong biểu đồ này. Xác suất dự đoán được tạo ra từ việc ước lượng mô hình IV
như được giải thích trong Phần 3.3.

Tuyên bố về lợi ích cạnh tranh

Các tác giả tuyên bố rằng họ không có lợi ích tài chính hoặc mối
quan hệ cá nhân cạnh tranh nào có thể ảnh hưởng đến công việc được
báo cáo trong bài báo này.

Nhìn nhận

Các tác giả cảm ơn Pukitta Chunsuttiwat, Ian Coxhead, Craig

Gundersen, Erik Katovich, Hyunseok Kim, Varan Kitayaporn, Sau rabh
Singhal, Joseph Weinberg, những người tham gia Hội nghị Chính sách
Nông nghiệp (APRG) 2020 và Student Research Colloquium (UW Madison),
và hai nhà phê bình ẩn danh cho những nhận xét hữu ích.
Các tác giả cũng cảm ơn Trung Xuan Hoang đã cung cấp cho chúng tôi những dữ

liệu liên quan. Tất cả các sai sót trong bài báo này là của chúng tôi.

Phụ lục A

Hình A.1. Phân bố xác suất dự đoán theo tình trạng mất an toàn thực phẩm thực tế. Biểu
đồ thể hiện sự phân bố của xác suất dự báo mất an toàn thực phẩm theo tình trạng mất
an toàn thực phẩm thực tế của hộ gia đình. Xác suất dự báo mất an toàn thực phẩm thu
được từ ước tính hồi quy IV trên dữ liệu VHLSS 2010–2018. Xem văn bản để biết thêm
chi tiết.
Hình A.3. Sự khác biệt về tỷ lệ hiện mắc và thống kê Kappa của Cohen để chọn ngưỡng
tối ưu cho các hộ gia đình có nguy cơ cao cho mô hình IV probit. Đối với mỗi giá trị
c từ 0 đến 0,99, chúng tôi sử dụng c làm ngưỡng để phân loại '' hộ gia đình có rủi ro
cao "(dựa trên xác suất dự đoán) và tính toán sự khác biệt giữa tỷ lệ hiện mắc được
dự đoán, tức là tỷ lệ '' rủi ro cao” số hộ gia đình trừ đi tỷ lệ hộ gia đình thực sự
bị mất an ninh lương thực, và thống kê của Cohen's Kappa. Chúng tôi vẽ biểu đồ sự
khác biệt về tỷ lệ phổ biến và thống kê kappa cho tất cả các ngưỡng trong biểu đồ này.
Xác suất dự đoán được tạo ra từ việc ước tính mô hình IV probit như được giải thích
trong Phần 3.3. Ngưỡng giảm thiểu sự khác biệt về tỷ lệ hiện mắc là 33% và ngưỡng
tối đa hóa thống kê Cohen's Kappa là 35%.

19
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

Hình A.4. Dự báo và thực tế mất an toàn thực phẩm năm 2018 ở cấp tỉnh đối với IV probit và IV tuyến tính. Ghi chú: Các biện pháp dự báo mất an toàn thực phẩm của từng tỉnh đối với tỷ lệ hộ
có nguy cơ mất an toàn thực phẩm được dự báo cao; Thực tế mất an toàn thực phẩm đo lường tỷ lệ hộ gia đình bị mất an toàn thực phẩm thực tế tại mỗi tỉnh sử dụng mẫu VHLSS trong năm y. Nguy
cơ mất an toàn thực phẩm dự đoán được thu được bằng cách ước tính ảnh hưởng của thu nhập đối với tình trạng mất an toàn thực phẩm bằng cách sử dụng mẫu VHLSS trước y tế và dự đoán bằng
mẫu LFS trong y.

20
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

Hình A.6. Tỷ lệ hộ có nguy cơ mất an toàn thực phẩm cao của các huyện trong năm 2019 và
tăng tỷ lệ hộ có nguy cơ cao do đại dịch của các huyện. Ghi chú:
Trục hoành cho thấy tỷ lệ hộ gia đình có lương thực cao của mỗi huyện
nguy cơ mất an ninh trong năm 2019. Trục tung cho thấy sự gia tăng tỷ trọng của các quận / huyện trong

các hộ có nguy cơ cao do đại dịch. Đường gạch ngang hiển thị 10% thực phẩm hàng đầu
tình trạng mất an ninh trong năm 2019 và đường liền nét cho thấy mức tăng hàng đầu (dự đoán) về lương thực là 10%

bất an vì cú sốc thu nhập trong thời kỳ đại dịch.

Hình A.5. Thay đổi điểm phần trăm cấp huyện về tỷ lệ hộ gia đình có
nguy cơ mất an toàn thực phẩm trước và sau COVID-19 theo những thay đổi hàng năm. Ba n đô
cho thấy sự thay đổi điểm phần trăm trong tỷ lệ hộ gia đình có nhiều lương thực
nguy cơ mất an toàn. Nguy cơ trước đại dịch được dự báo là mất an ninh lương thực bằng cách sử

dụng dữ liệu thu nhập giữ nhà năm 2019 từ Khảo sát lực lượng lao động năm 2019. Rủi ro sau đại dịch là

dự báo mất an ninh lương thực bằng cách sử dụng thu nhập sau đại dịch, được tính toán bằng cách sử dụng

phiên bản hàng năm của tỷ lệ phần trăm thay đổi hàng quý của thu nhập trung bình theo
khu vực từ Morisset và cộng sự. (2020): nông nghiệp giảm 12,6%, nông nghiệp giảm 22%
sản xuất và dịch vụ 32,55% mỗi năm.

Bảng A.1

Ước tính giai đoạn đầu về ảnh hưởng của thu nhập đối với tình trạng mất an ninh lương thực.

Sự chỉ rõ (1) (2) (3) (4) (5) (6)

Bảng A: Bartik IV
1,361 1,587 1,567 0,246 *** 0,368 *** 0,440 ***

*** *** *** (0,068) (0,071) (0,075)

(0,044) [0,000] (0,047) [0,000] (0,063) [0,000] [0,000] [0,000] [0,000]

N 46443 46443 27462 46443 46443 46443

Bảng B: Non-ag. Bartik IV

1.444 1,669 1,902 0,189 *** 0,472 *** 0,421 ***

*** *** *** (0,072) (0,078) (0,081)

(0.050) [0.000] (0,055) [0,000] (0,074) [0,000] [0,009] [0,000] [0,000]

N 46443 46443 27462 46443 46443 46443

Kiểm soát bổ sung

Tỉnh FE U UUU
Quận FE U
FE gia đình U
Năm FE U U
Tỉnh FE x xu hướng tuyến tính U
Tỉnh x Năm FE U

Bảng báo cáo kết quả giai đoạn đầu tiên từ các ước tính IV trong Bảng 2 và 6. Các sai số tiêu chuẩn được tập hợp ở cấp huyện và được báo cáo trong ngoặc đơn. Giá trị P
được báo cáo trong ngoặc. Mô hình tác động cố định hộ gia đình không bao gồm các đối chứng năm 2009. Tất cả các mô hình đều kiểm soát thành thị, quy mô hộ gia đình và tỷ lệ hộ gia đình có
** *
giáo dục trung học bài. *** p <0:01, p <0:05, p <0: 1.

21
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

Phụ lục B. Hiệu lực đo lường mất an toàn thực phẩm báo mất an toàn vệ sinh thực phẩm. Do tình trạng mất an toàn vệ sinh thực phẩm đang diễn ra mạnh mẽ

liên quan đến khả năng chi trả các bữa ăn hàng ngày, một biện pháp kiểm soát an

Trong phần này, chúng tôi thảo luận về tính hợp lệ của báo cáo chính về sự toàn thực phẩm hợp lệ sẽ tương quan chặt chẽ với thu nhập hộ gia đình và

chắc chắn về mất an toàn thực phẩm. Chúng tôi so sánh thước đo chính của thực phẩm sự giàu có. Người ta cũng có thể mong đợi rằng các hộ gia đình nông thôn và dân tộc thiểu số

sự bất an của nghiên cứu này, tức là khi lượng calo chủ yếu của một hộ gia đình các hộ gia đình thiểu số sẽ có nhiều khả năng bị mất an ninh lương thực hơn vì

tỷ lệ trên 84%, với hai biện pháp an toàn thực phẩm khác họ chịu nhiều thiệt thòi hơn so với các hộ dân thành thị và người Kinh. Trong

thường được sử dụng: thước đo sử dụng HDDS và bản thân Hình B.1, chúng tôi vẽ biểu đồ phần trăm hộ gia đình được phân loại là lương thực

Hình B.1. Hộ gia đình không đảm bảo lương thực theo thu nhập hộ gia đình và sự giàu có giảm sút. Con số này báo cáo tỷ lệ các hộ gia đình không đảm bảo lương thực theo mức giảm thu nhập, mức giảm chỉ số giàu có,

và dân tộc. Một decile thấp hơn có nghĩa là thu nhập thấp hơn hoặc tài sản thấp hơn. Chỉ số giàu có được xây dựng bằng cách sử dụng phân tích thành phần chính cho điện, nước máy, không khí
điều hòa, máy vi tính, máy giặt, tủ lạnh, tivi và radio.

22
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

Hình B.2. Tình trạng mất an ninh lương thực và nghèo đói theo tỉnh và hàng năm. Hình này cho thấy các mảnh đất phân tán cho tỷ lệ hộ gia đình mất an ninh lương thực và tỷ lệ hộ nghèo ở

cấp tỉnh năm cho dữ liệu 2010–2018. Mỗi dấu chấm là một quan sát theo năm của tỉnh. Hình (a) cho thấy tình trạng mất an toàn thực phẩm bằng cách sử dụng phương pháp chia sẻ calo chủ yếu, (b) cho thấy thực phẩm

không an toàn khi sử dụng phương pháp HDDS, và (c) cho thấy tình trạng mất an toàn thực phẩm tự báo cáo.

không an toàn khi sử dụng các biện pháp khác nhau do thu nhập hộ gia đình giảm kiện sử dụng HDDS và dữ liệu tự báo cáo. Lượng calo chủ yếu
(Hình (a)) và sự suy giảm của cải hộ gia đình (Hình (b)) cho thành thị phương pháp chia sẻ tốt hơn phương pháp HDDS vì nó sử dụng
và các hộ gia đình nông thôn riêng biệt. Trong Hình (c), chúng tôi cũng vẽ một giới hạn có nguồn gốc lý thuyết đối với tình trạng mất an toàn thực phẩm, và nó tốt hơn

biểu đồ phần trăm hộ gia đình không an toàn lương thực theo chủ hộ so với biện pháp tự báo cáo vì nó không bị
dân tộc. sự thiên vị lựa chọn được mô tả ở trên.

Cả ba biện pháp mất an toàn thực phẩm đều giảm khi hộ gia đình
thu nhập và của cải tăng lên, và điều này đúng với cả nông thôn và

hộ gia đình thành thị. Tuy nhiên, mức độ mất an toàn thực phẩm tự báo cáo Phụ lục C. So sánh giữa các nhắm mục tiêu khác nhau
thấp hơn hẳn so với hai biện pháp còn lại. Sự khác biệt này là phương pháp tiếp cận

một phần do sự thiên lệch trong lựa chọn: các hộ gia đình chỉ trả lời câu hỏi
về tình trạng mất an ninh lương thực nếu họ có tình trạng nghèo đói chính thức, quá nghèo Một câu hỏi quan trọng cần đặt ra là liệu có sử dụng nhắm mục tiêu
hộ gia đình và hộ cận nghèo không có tình trạng này sẽ phương pháp được đề xuất trong nghiên cứu này tốt hơn nhiều so với việc sử dụng
không được coi là thực phẩm không an toàn. Một lý do khác là cách tiếp cận chẳng hạn như nhắm mục tiêu vào các hộ gia đình nghèo, nhắm mục tiêu đến các huyện

chia sẻ calo và cách tiếp cận HDDS tập trung vào bị giảm thu nhập lớn nhất hoặc nhắm mục tiêu vào các quận có
chất lượng khẩu phần ăn bên cạnh số lượng, vì vậy các hộ gia đình mất an ninh lương thực có thể tỷ lệ đói nghèo gia tăng lớn nhất. Trong phần này, chúng tôi tính toán tỷ lệ
có số lượng bữa ăn tương tự nhưng chất lượng rất khác lỗi bao gồm (IER) và tỷ lệ lỗi loại trừ (EER) cho mỗi
hộ gia đình bảo đảm lương thực. Phương pháp chia sẻ calo chủ yếu của chúng tôi là ba cách tiếp cận để đo lường mức độ thay thế này
tương tự như cách tiếp cận HDDS cũng vì lý do này. Chúng tôi cũng tìm thấy các phương pháp bao gồm các hộ / quận sai và loại trừ đúng
rằng cả ba biện pháp về mất an toàn thực phẩm đều cao hơn ở các dân tộc hộ gia đình / huyện (Brown và cộng sự, 2018).
hộ dân tộc thiểu số hơn hộ gia đình người Kinh. Xem xét cách tiếp cận nhắm mục tiêu hộ nghèo: chính phủ gửi viện trợ
Các mẫu này cũng nhất quán khi chúng tôi tổng hợp dữ liệu lương thực cho các hộ gia đình dưới mức nghèo quốc gia
ở cấp tỉnh. Trong Hình B.2, chúng tôi vẽ biểu đồ phân bố các biểu đồ phân tán của các trước đại dịch. Hãy để nghèo2019 tôi
là một biến nhị phân cho biết
d

biện pháp chống mất an ninh lương thực khác nhau đối với tình trạng nghèo đói ở tỉnh
liệu hộ gia đình tôi có nghèo vào năm 2019 hay không và để biến tôi là một nhị phân
cấp độ kể một câu chuyện tương tự — tình trạng mất an toàn thực phẩm được đo lường bằng
mất an toàn cho biết hộ gia đình đó có nguy cơ thiếu lương thực cao hay
tỷ lệ calo chủ yếu và theo HDDS có liên quan chặt chẽ và tích cực với nghèo
không bằng cách sử dụng phương pháp dự đoán của nghiên cứu này.34 Hãy để wi
đói, trong khi tình trạng mất an ninh lương thực tự báo cáo có tương quan
biểu thị trọng lượng lấy mẫu của hộ gia đình từ cuộc điều tra lao động việc làm. IER là
chặt chẽ với nghèo đói nhưng không mạnh bằng.
Những kết quả này cho thấy rằng biện pháp an toàn thực phẩm sử dụng
34
Xin nhắc lại rằng nguy cơ mất an toàn thực phẩm là giá trị được dự đoán từ phương
chia sẻ calo chủ yếu là hợp lệ vì nó có tương quan chặt chẽ với
trình. 2 sử dụng thu nhập sau đại dịch, và các hộ có nguy cơ cao là những hộ có rủi ro trên 85
thu nhập, sự giàu có và nghèo đói, tương tự như các khoản thu nhập phổ biến khác điểm cắt phần trăm.

23
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

mục tiêu là tỷ lệ hộ nghèo nhưng được bảo đảm về lương thực và

có thể được tính là

XN tôi

tôi

XN tôi

tôi

Ngược lại, EER là tỷ lệ hộ gia đình mất an ninh lương thực

không được nhắm mục tiêu bởi vì chúng không kém trước pan demic và
nó được tính là

XN tôi

tôi

XN tôi

tôi

IER của phương pháp tiếp cận mục tiêu hộ nghèo là 56,38% (KTC 95%:
55,84, 56,93) và EER là 11,05% (95% CI: 10,46, 11,63). Trong khác
từ, 56,38% hộ gia đình mục tiêu thực sự không phải là thực phẩm chữa
bệnh. Chỉ có 11,05% hộ gia đình mất an ninh lương thực sẽ không còn
bằng cách sử dụng phương pháp này.

Tiếp theo, chúng tôi sử dụng cách tiếp cận tương tự để đánh giá hai phương án thay thế khác

phương pháp tiếp cận: nhắm mục tiêu vào các quận có mức thiệt hại thu nhập cao nhất và

nhắm vào các huyện có tỷ lệ hộ nghèo gia tăng nhiều nhất. Để làm điều này, chúng tôi

ước tính những thay đổi về thu nhập và nghèo đói do COVID-19 cho từng

huyện sử dụng phương pháp tương tự để dự đoán những thay đổi về tình trạng mất an

toàn thực phẩm. Cụ thể, chúng tôi sử dụng dữ liệu hộ gia đình LFS 2019 và

các cú sốc thu nhập theo ngành cụ thể để tính thu nhập mới cho

từng hộ gia đình do những cú sốc này, và sau đó chúng tôi ước tính phần trăm thay đổi

trong thu nhập cho từng huyện. Chúng tôi cũng sử dụng bản gốc

thu nhập và thu nhập mới để xác định tình trạng nghèo đói, nghĩa là

thu nhập bình quân đầu người hàng tháng dưới chuẩn nghèo quốc gia, đối với
từng hộ gia đình trước và sau cú sốc thu nhập. Sau đó, chúng tôi ước tính tỷ lệ phần

trăm thay đổi về tỷ lệ đói nghèo ở mỗi huyện.

Hình C.1 cho thấy các biểu đồ phân tán về sự thay đổi lương thực ở cấp huyện
sự bất an (kết quả chính của chúng tôi) trước những thay đổi về thu nhập và những thay đổi
trong cảnh nghèo đói. Để xem tại sao việc sử dụng nhắm mục tiêu theo thu nhập và mục
tiêu nghèo đói có thể dẫn đến việc nhắm mục tiêu không hiệu quả, hãy giả sử chính phủ
Hình C.1. Thay đổi nhắm mục tiêu thay đổi an toàn thực phẩm so với nhắm mục tiêu thay đổi thu nhập và
mục tiêu thay đổi nghèo đói. Lưu ý: Hình (a) cho thấy một biểu đồ phân tán của dự đoán
giảm phần trăm thu nhập so với mức tăng phần trăm dự đoán trong
mất an toàn vệ sinh thực phẩm. Hình (b) cho thấy một biểu đồ phân tán của điểm phần trăm dự đoán

chọn nhắm mục tiêu đến các quận nằm trong 10% hàng đầu của những quận có kinh nghiệm
tình trạng mất an toàn vệ sinh thực phẩm gia tăng; có nghĩa là, mức tăng nguy cơ mất
an toàn thực phẩm được dự đoán của họ là ở phân vị thứ 90. Nói cách khác, gov ernment
muốn nhắm mục tiêu tất cả các quận ở bên phải màu đỏ
gia tăng nghèo đói so với mức tăng lương thực theo điểm phần trăm dự đoán
sự bất an. Mỗi dấu chấm đại diện cho một quận. Đường gạch ngang màu đỏ hiển thị số 90
tỷ lệ phần trăm của sự gia tăng tình trạng mất an toàn vệ sinh thực phẩm. Đường liền nét màu xanh lá cây hiển thị số 90
phần trăm giảm thu nhập trong Hình (a) và phần trăm nghèo đói thứ 90
tăng trong Hình (b).

nét đứt trong các ô.

Bây giờ giả sử rằng chính phủ không sử dụng thực phẩm không an toàn các quận phía trên đường liền nét màu xanh lá cây trong Hình (b). Tương tự, màn trình

nhắm mục tiêu, nhưng thay vào đó hãy nhắm mục tiêu các quận nằm trong 10% hàng đầu của những
diễn tar này sẽ nhắm mục tiêu nhầm tất cả các quận ở bên trái của đường đứt nét màu đỏ

bị giảm thu nhập; nghĩa là, mức giảm thu nhập được dự đoán của họ nằm ở phân vị thứ 90. và phía trên đường liền nét màu xanh lá cây nhưng sẽ bỏ lỡ tất cả các quận đến

Nói cách khác, chính phủ bên phải đường màu đỏ và bên dưới đường màu xanh lá cây. Trong kịch bản này,

sẽ nhắm mục tiêu tất cả các quận phía trên đường liền nét màu xanh lá cây trong Hình (a). chính phủ sẽ nhắm mục tiêu sai vào 59 quận, bỏ sót 20 quận, và nhắm mục tiêu chính xác

Trong trường hợp này, tất cả các quận bên trái của đường đứt nét màu đỏ trở lên vào 60 quận. IER ở đây sẽ là

đường liền nét màu xanh lá cây sẽ được nhắm mục tiêu sai khi họ trải nghiệm 90,35% (KTC 95%: 85,64, 95,05) và EER 77,82% (KTC 95%: 68,64,

87,00).
sự gia tăng mất an ninh lương thực dưới phân vị thứ 90. Trong đường nhánh, tất cả các

quận ở bên phải của đường đứt nét màu đỏ và bên dưới Các bài tập đơn giản này gợi ý rằng mặc dù nhắm mục tiêu bằng cách sử dụng

tình trạng nghèo trước đại dịch của các hộ gia đình hoặc sử dụng thu nhập
vạch liền màu xanh lá cây sẽ bị bỏ lỡ vì chúng trải nghiệm thức ăn

sự gia tăng bất an trong phân vị thứ 90 nhưng sẽ không bị ảnh hưởng. Các quận được tổn thất đơn giản hơn, tỷ lệ lỗi liên quan đến chúng là rất

cao; sử dụng chúng có nghĩa là chính phủ sẽ chi tiêu đáng kể

nhắm mục tiêu chính xác là các dấu chấm trong phần tư đầu tiên của biểu đồ. Trong
số lượng tài nguyên trên các quận mà nó không có ý định và bỏ lỡ
trường hợp này, chính phủ sẽ sai
các huyện thực sự cần những nguồn lực đó.
nhắm mục tiêu 68 quận, bỏ lỡ 68 quận, và nhắm mục tiêu chính xác 12 khu vực. Thay vào

đó, chúng tôi áp dụng các công thức IER và EER giống nhau cho các quận
của các hộ gia đình và tính toán mỗi huyện là một trong các huyện Phụ lục D. So sánh giữa dự đoán dựa trên IV và năm 2020

dân số. IER là 75,96% (95% CI: 66,80, 85,13) và EER là dữ liệu

72,31% (KTC 95%: 62,37, 82,25).

Bây giờ, giả sử rằng chính phủ nhắm mục tiêu vào các quận ở trên cùng Mối quan tâm chính của phương pháp dự đoán của chúng tôi là chúng tôi khai thác

10% số huyện có tỷ lệ hộ nghèo gia tăng; đó là, sự tiếp xúc của địa phương với các cú sốc về nhu cầu lao động trong toàn ngành đối với hộ gia đình

sự gia tăng nghèo đói được dự đoán của họ là ở phân vị thứ 90 — tất cả thu nhập để xác định ảnh hưởng của thu nhập đối với mất an toàn thực phẩm. Chúng tôi cũng

24
Machine Translated by Google
K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al.
dựa vào thông tin bên ngoài về những cú sốc thu nhập trong toàn ngành và giả
định rằng tất cả người lao động trong cùng một lĩnh vực đều có cơ hội nhận
những cú sốc đó như nhau. Các cú sốc thu nhập từ thảm họa pan có thể rất
khác nhau về bản chất. Nếu các cú sốc thu nhập của đại dịch được thúc đẩy
bởi thất nghiệp theo cách phi nguyên nhân, tức là những người lao động dễ bị
tổn thương hơn bị mất việc làm và thu nhập, thì dự đoán dựa trên IV không
còn chính xác nữa.
Chúng tôi giải quyết mối lo ngại này bằng cách so sánh dự đoán dựa trên
IV của chúng tôi với biện pháp mất an toàn thực phẩm được tạo ra từ dữ liệu
thu nhập hộ gia đình năm 2020 (sử dụng dữ liệu Chiến lược điều tra lao động
việc làm năm 2020). Nếu có sự khác biệt lớn giữa dự đoán của chúng tôi và
biện pháp mất an ninh lương thực đã tạo ra dữ liệu thực tế, chúng tôi có
thể kết luận rằng các cú sốc thu nhập từ ước tính IV của chúng tôi không phù
hợp lắm để đưa ra dự đoán về cú sốc thu nhập do đại dịch gây ra.
Chúng tôi vẽ biểu đồ tỷ lệ hộ có nguy cơ cao của từng quận dựa trên dữ
liệu thu nhập năm 2020 và tỷ lệ hộ có nguy cơ cao dựa trên dự đoán của chúng
tôi trong Hình D.1 (a) cùng với đường 45 độ làm điểm chuẩn. Trong Hình (b),
chúng tôi vẽ biểu đồ phân phối của chênh lệch phần trăm điểm (theo giá trị
tuyệt đối) giữa hai ables phương án. Chúng tôi quan sát thấy trong Hình (a)
rằng dự đoán dựa trên IV của chúng tôi khá phù hợp với biện pháp an toàn thực
phẩm được tạo ra từ dữ liệu thu nhập thực tế năm 2020, mặc dù chúng tôi cũng
quan sát thấy một vài quận ngoại thành. Trong Hình (b), chúng tôi thấy rằng
sự khác biệt giữa
Hình D.1. Sự khác biệt về tỷ lệ hộ gia đình '' rủi ro cao "dựa trên dự đoán và tỷ lệ hộ gia đình '' rủi
ro cao” dựa trên thu nhập năm 2020. Lưu ý: Hình (a) cho thấy tỷ lệ hộ có nguy cơ cao của các huyện dựa
trên dữ liệu thu nhập năm 2020 và tỷ lệ hộ có nguy cơ cao của các huyện dựa trên dự đoán của chúng tôi.
Hình (b) cho thấy sự phân bổ chênh lệch giữa hai cổ phiếu này.
25
Phát triển Thế giới 153 (2022) 105838
hai biến từ 10 điểm phần trăm trở xuống đối với 82,18% số huyện.
Nói cách khác, biện pháp mất an toàn thực phẩm được dự đoán của chúng tôi
khá gần với biện pháp mất an toàn thực phẩm dựa trên dữ liệu thu nhập thực
tế vào năm 2020. Phát hiện này cho thấy cách tiếp cận của chúng tôi tương
thích để dự đoán tình trạng mất an toàn thực phẩm trong một đại dịch, mặc dù
những cú sốc về thu nhập do đại dịch gây ra có thể chủ yếu là do thất nghiệp
hoặc gia tăng.
Người giới thiệu
Abadie, A., Athey, S., Imbens, GW và Wooldridge, J. (2017). Khi nào bạn nên điều chỉnh các lỗi tiêu chuẩn
cho phân cụm? Cục Nghiên cứu Kinh tế Quốc gia ..
Abebaw, D., Admassie, A., Kassa, H., & Padoch, C. (2020). Di cư ra nông thôn có thể cải thiện an ninh
lương thực hộ gia đình không? Bằng chứng thực nghiệm từ Ethiopia. Phát triển Thế giới , 129 104879.
Aggarwal, S., Jeong, D., Kumar, N., Park, DS, Robinson, J. và Spearot, A. (2020). Sự gián đoạn thị trường
covid-19 có phá vỡ an ninh lương thực không? bằng chứng từ các hộ gia đình ở nông thôn liberia và
malawi. Báo cáo kỹ thuật, Cục Nghiên cứu Kinh tế Quốc gia ..
Ahn, S. và Norwood, FB (2020). Đo lường tình trạng mất an ninh lương thực trong đại dịch covid-19 vào
mùa xuân năm 2020. Các Quan điểm và Chính sách Kinh tế Ứng dụng.
Aiken, E., Bellue, S., Karlan, D., Udry, CR, & Blumenstock, J. (2021). Máy học và dữ liệu điện thoại di
động có thể cải thiện việc nhắm mục tiêu hỗ trợ nhân đạo Báo cáo kỹ thuật. Cục Nghiên cứu Kinh tế
Quốc gia.
Amare, M., Abay, KA, Tiberti, L., & Chamberlin, J. (2021). Covid-19 và an ninh lương thực: Bằng chứng
dữ liệu ban hội thẩm từ Nigeria. Chính sách Thực phẩm, 101 102099.
Andree, BPJ, Chamorro, A., Kraay, A., Spencer, P. và Wang, D. (2020). Dự đoán
khủng hoảng lương thực ..
Athey, S. (2018). Tác động của học máy đối với kinh tế. Trong Kinh tế học của trí tuệ nhân tạo: Chương
trình nghị sự (trang 507–547). Nhà xuất bản Đại học Chicago.
Auffhammer, M., & Steinhauser, R. (2012). Dự báo con đường phát thải co2 của chúng ta bằng cách sử dụng
thông tin cấp nhà nước. Đánh giá Kinh tế và Thống kê, 94 (1), 172–185.
Barrett, CB (2010). Đo lường mất an toàn vệ sinh thực phẩm. Khoa học, 327 (5967), 825–828.
Barrett, CB, Bell, R., Lentz, EC, & Maxwell, DG (2009). Thông tin thị trường và phân tích ứng phó với
tình trạng mất an toàn thực phẩm. An ninh lương thực, 1 (2), 151–168.
Barrett, CB, Upton, J., Tennant, E. và Florella, K. (2021). Khả năng phục hồi của hộ gia đình và hệ thống
lương thực nông thôn: Bằng chứng từ phía Nam và Đông Phi. Có sẵn tại SSRN 3992671 ..
Baylis, K., Fan, L., & Nogueira, L. (2019). Tự do hóa thị trường nông nghiệp và mất an ninh lương thực
hộ gia đình ở nông thôn Trung Quốc. Tạp chí Kinh tế Nông nghiệp Hoa Kỳ , 101 (1), 250–269.
BBC (năm 2020). Coronavirus: Nông dân Việt Nam khóc ròng khi hàng xuất khẩu bị kẹt ở biên giới. https://
www.bbc.com/vietnamese/vietnam-51353578. [Trực tuyến; truy cập ngày 4 tháng 5 năm 2021] ..
BBC (năm 2021). Việt Nam: Nguy cơ gia tăng đợt nhiễm covid-19 mới? https: // www.bbc.com/vietnamese/
vietnam-56939029. [Trực tuyến; truy cập ngày 4 tháng 5 năm 2021] ..
Ben-David, A. (2007). Rất nhiều sự ngẫu nhiên đang ẩn giấu trong độ chính xác. Ứng dụng Kỹ thuật của Trí
tuệ Nhân tạo, 20 (7), 875–885.
Ben-David, A. (2008). Về mối quan hệ giữa đường cong roc và kappa của cohen.
Ứng dụng Kỹ thuật của Trí tuệ Nhân tạo, 21 (6), 874–882.
Béné, C., Bakker, D., Chavarro, MJ, Even, B., Melo, J., & Sonneveld, A. (2021). Đánh giá toàn cầu về tác
động của covid-19 đối với an ninh lương thực. An ninh lương thực toàn cầu, 31
100575.
Bickel, G., Nord, M., Price, C., Hamilton, W., và Cook, J. (2000). Hướng dẫn đo lường an ninh lương
thực hộ gia đình, Sửa đổi 2000 ,. Bộ Nông nghiệp, Dịch vụ Thực phẩm và Dinh dưỡng Hoa Kỳ ,,
Alexandria VA ..
Bitler, M., Hoynes, HW và Schanzenbach, DW (2020). Mạng lưới an toàn xã hội trong
đánh thức COVID-19. Cục Nghiên cứu Kinh tế Quốc gia ..
Blumenstock, J., Cadamuro, G., & On, R. (2015). Dự đoán nghèo đói và giàu có từ
siêu dữ liệu điện thoại di động. Khoa học, 350 (6264), 1073–1076.
Brown, C., Ravallion, M., & van de Walle, D. (2018). Một bài kiểm tra có nghĩa là kém? nhắm mục tiêu kinh
tế lượng ở Châu Phi. Tạp chí Kinh tế Phát triển, 134 (C), 109–124.
Brown, CS, Ravallion, M. và Van De Walle, D. (2020). Người nghèo trên thế giới có thể tự bảo vệ mình
khỏi Coronavirus mới không? Cục Nghiên cứu Kinh tế Quốc gia ..
Chaaban, J., Ghattas, H., Irani, A., & Thomas, A. (2018). Nhắm mục tiêu cơ chế chuyển tiền mặt bằng cách
sử dụng tổng hợp khu vực. An ninh lương thực, 10 (2), 457–472.
Christian, P., Kandpal, E., Palaniswamy, N., & Rao, V. (2019). Lưới an toàn và giảm nhẹ thiên tai: bằng
chứng từ phailin lốc xoáy ở odisha. Biến đổi khí hậu, 153 (1), 141–164.
Dang, H.-A. and Giang, L. (2020). Biến thành công của covid-19 Việt Nam thành sự phục hồi kinh tế: Một
phân tích tập trung vào công việc về các đánh giá cá nhân về tài chính và nền kinh tế của họ ..
Deitchler, M., Ballard, T., Swindale, A., và Coates, J. (2010). Xác thực thước đo mức độ đói của hộ gia
đình do sử dụng đa văn hóa: Dự án hỗ trợ kỹ thuật về lương thực và dinh dưỡng ii (fanta-2).
washton, dc: Fanta-2..
Devereux, S., Béné, C., & Hoddinott, J. (2020). Lên ý tưởng về tác động của covid-19 đối với
an ninh lương thực hộ gia đình. An ninh lương thực, 12 (4), 769–772.
Dietrich, S., Giuffrida, V., Martorano, B., & Schmerzeck, G. (2021). Các phản hồi về chính sách của
Covid-19 , tính di động và giá thực phẩm. Tạp chí Kinh tế Nông nghiệp Hoa Kỳ.
Machine Translated by Google
K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al.
Filmer, D., Friedman, J., Kandpal, E., & Onishi, J. (2021). Chuyển tiền, giá thực phẩm và dinh
dưỡng ảnh hưởng đến trẻ em không đủ điều kiện. Tạp chí Kinh tế và Thống kê, 1–45.
Freeman, EA và Moisen, GG (2008). So sánh hiệu suất của các tiêu chí ngưỡng cho phân loại nhị phân
về tỷ lệ phổ biến được dự đoán và kappa. Mô hình sinh thái, 217 (1–2), 48–58.
Gatto, M., & Islam, AHMS (2021). Tác động của covid-19 đối với sinh kế nông thôn ở Bangladesh: Bằng
chứng sử dụng dữ liệu bảng. PloS một, 16 (11) e0259264.
Gelli, A., Aberman, N.-L., Margolies, A., Santacroce, M., Baulch, B., & Chirwa, E.
(2017). Chuyển lương thực theo mùa ảnh hưởng đến khẩu phần ăn của trẻ em và an ninh lương
thực hộ gia đình: bằng chứng từ một thí nghiệm gần giống ở malawi. Tạp chí Dinh dưỡng, 147
(5), 869–878.
Gentilini, U., Almenfi, M., Orton, I. và Dale, P. (2020). Bảo trợ xã hội và phản ứng việc làm đối
với covid-19..
Goldsmith-Pinkham, P., Sorkin, I. & Swift, H. (2020). Dụng cụ Bartik: Cái gì, khi nào, tại sao và
như thế nào. Tạp chí Kinh tế Hoa Kỳ (sắp xuất bản).
TCTK (2020a). Báo cáo về tác động của COVID-19 đối với tình hình lao động và việc làm ở Việt Nam.
Truy cập vào ngày 1 tháng 9 năm 2020 qua https://gso.gov.vn/ default_en.aspx? Tabid = 462 &
idmid = 2 & ItemID = 19678 ..
TCTK (2020b). Báo cáo kiểm tra kết quảKhảo sát đánh giá tác động của COVID-19 định hướng, kinh
doanh của doanh nghiệp đề nghị [Báo cáo tóm tắt khảo sát của hãng về tác động của COVID-19].
Truy cập vào ngày 1 tháng 9 năm 2020 qua https: // www. gso.gov.vn/default.aspx?
tabid=382&idmid=2&ItemID=19623 ..
TCTK (năm 2021). Báo cáo về tác động của Đại dịch COVID-19 đến lao động và tình hình triển khai
công việc của Quý 2 năm 2021. Truy cập vào ngày 7 tháng 7 năm 2021 qua https://www.gso.gov.vn/
vi/data-and-stosystem/2021/ 07 / báo cáo-về-tác động của covid-19-đại dịch-trên-lao động và-việc
làm-của-quý 2 năm 2021 / ..
Gundersen, C., Hake, M., Dewey, A., & Engelhard, E. (2020). Thực phẩm không an toàn trong covid-19.
Chính sách và Quan điểm Kinh tế Ứng dụng.
Gundersen, C., Kreider, B., & Pepper, J. (2011). Tính kinh tế của tình trạng mất an ninh lương
thực ở các bang thống nhất. Chính sách và Quan điểm Kinh tế Ứng dụng, 33 (3), 281–303.
Gundersen, C., Kreider, B., & Pepper, JV (2017). Các phương pháp xác định từng phần để đánh giá
các chương trình hỗ trợ lương thực: Một nghiên cứu điển hình về tác động nhân quả của SNAP
đối với tình trạng mất an ninh lương thực. Tạp chí Kinh tế Nông nghiệp Hoa Kỳ, 99 (4), 875–893.
Gupta, A., Zhu, H., Doan, MK, Michuda, A., & Majumder, B. (2021). Tác động kinh tế của việc khóa 19
đồng tiền ở một khu vực phụ thuộc vào kiều hối. Tạp chí Kinh tế Nông nghiệp Hoa Kỳ , 103 (2),
466–485.
Hidrobo, M., Hoddinott, J., Kumar, N., & Olivier, M. (2018). Bảo trợ xã hội, an ninh lương thực và
hình thành tài sản. Phát triển Thế giới, 101, 88–103.
Hirvonen, K., de Brauw, A., & Abate, GT (2021). Tiêu thụ lương thực và an ninh lương thực trong
đại dịch covid-19 ở addis ababa. Tạp chí Kinh tế Nông nghiệp Hoa Kỳ, 103 (3), 772–789.
Quỹ tiền tệ quốc tế (2020). Triển vọng kinh tế thế giới, tháng 10 năm 2020: Một chặng đường dài và
khó đi lên. Quỹ Tiền tệ Quốc tế..
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). Giới thiệu về thống kê học (tập 112).
Springer.
Jensen, RT và Miller, NH (2010). Một cách tiếp cận theo sở thích được tiết lộ để đo lường tình
trạng đói và thiếu dinh dưỡng. Tài liệu làm việc của NBER số 16555 ..
Jones, AD, Shrinivas, A., & Bezner-Kerr, R. (2014). Sự đa dạng trong sản xuất trang trại có liên
quan đến sự đa dạng hơn trong khẩu phần ăn của các hộ gia đình ở malawi: Phát hiện từ dữ liệu
đại diện trên toàn quốc. Chính sách Thực phẩm, 46, 1–12.
Kuku, O., Gundersen, C., & Garasky, S. (2011). Sự khác biệt về tình trạng mất an toàn thực phẩm
giữa người lớn và trẻ em ở Zimbabwe. Chính sách Thực phẩm, 36 (2), 311–317.
Kuma, T., Dereje, M., Hirvonen, K., & Minten, B. (2019). Cây công nghiệp và an ninh lương thực:
Bằng chứng từ các nhà sản xuất cà phê nhỏ ở ethiopian. Tạp chí Nghiên cứu Phát triển, 55 (6),
1267–1284.
Lentz, E., Michelson, H., Baylis, K., & Zhou, Y. (2019). Phương pháp tiếp cận dựa trên dữ liệu cải
thiện khả năng dự báo khủng hoảng mất an ninh lương thực. Phát triển Thế giới, 122, 399–409.
Lentz, EC và Barrett, CB (2013). Các tác động kinh tế và dinh dưỡng của các chính sách và chương trình
hỗ trợ lương thực. Chính sách Thực phẩm, 42, 151–163.
Lentz, EC, Barrett, CB, Gómez, MI, & Maxwell, DG (2013). Về sự lựa chọn và tác động của các công cụ hỗ
trợ lương thực quốc tế sáng tạo. Phát triển Thế giới , 49, 1–8.
Lewbel, A., Dong, Y., & Yang, TT (2012). So sánh các tính năng của bộ ước lượng thuận tiện cho mô hình
lựa chọn nhị phân với bộ hồi quy nội sinh. Tạp chí Kinh tế Canada / Revue canadienne d'économique,
45 (3), 809–829.
Maxwell, D., Vaitla, B., & Coates, J. (2014). Làm thế nào để đo lường các chỉ số về mức độ an toàn vệ
sinh thực phẩm của hộ gia đình? một so sánh thực nghiệm từ ethiopia. Chính sách lương thực, 47,
107–116.
Bộ Y tế (2021). Thông tin mới từ Bộ Y tế về làn sóng thứ ba. https://ncov.moh.gov.vn/web/guest/-/
6847426-2117. [Trực tuyến; truy cập ngày 4 tháng 5 năm 2021] ..
Bộ Công Thương (2020). Báo cáo tı`nh hı` nh sản xuất 7 tháng đầu năm 2020: Hàm ý chính sách]. Truy
cập vào ngày 1 tháng 9 năm 2020 qua https://www.moit.gov.vn/web/guest/bao-cao-tong-hop1 ..
Trung tâm Dân số Minnesota (2019). Chuỗi vi dữ liệu sử dụng công cộng được tích hợp, Quốc tế: Phiên
bản 7.2 [tập dữ liệu]. IPUMS, Minneapolis, MN. https://doi.org/ 10.18128 / D020.V7.2 ..
Mishra, K., & Rampal, J. (2020). Đại dịch covid-19 và mất an ninh lương thực: A
quan điểm về Ấn Độ. Phát triển Thế giới, 135 105068.
Morisset, J., Dinh, VT, Doan, QH, Pham, DM, Mandani, D., Pimhidzai, O., Kaiser, K.- A., Do, DV,
Alatabani, AF, and Yang, J. (2020 ). Chốt hàng: Đâu sẽ là điều bình thường mới đối với Việt
Nam? - Tác động kinh tế của COVID-19. Đã truy cập qua
26
Phát triển Thế giới 153 (2022) 105838
http://documents.worldbank.org/curated/en/101991595365511590/Thanh toán chứng khoán-Cái-sẽ-
là-mới-bình thường-cho-Việt Nam-Kinh tế-Tác động-của
COVID-19..
Viện Dinh dưỡng Quốc gia (2007). Bảng thành phần món ăn Việt Nam. Hà Nội,
Việt Nam: Bộ Y tế.
Newell, RG, Perst, BC và Sexton, S. (2018). Mối quan hệ gdp-nhiệt độ: tác động đối với thiệt hại do
biến đổi khí hậu. Nguồn lực. Công việc tương lai. Pap ..
Nguyen, PH, Kachwaha, S., Pant, A., Tran, LM, Ghosh, S., Sharma, PK, Shastri, V.
D., Escobar-Alegria, J., Avula, R., & Menon, P. (2021). Tác động của covid-19 đối với mất an
ninh lương thực hộ gia đình và mối liên hệ với thực hành cho trẻ ăn và các chiến lược đối
phó trong uttar pradesh, Ấn Độ: một nghiên cứu dựa trên cộng đồng theo chiều dọc. BMJ mở, 11
(4) e048738.
Nikulkov, A., Barrett, CB, Mude, AG, & Wein, LM (2016). Đánh giá tác động của các chính sách hỗ trợ
lương thực của chúng tôi đối với tỷ lệ tử vong ở trẻ em ở miền bắc kenya. PloS một, 11 (12)
e0168432.
Niles, MT & Brown, ME (2017). Đánh giá của nhiều quốc gia về các yếu tố liên quan đến an ninh lương
thực của các hộ quy mô nhỏ trong các điều kiện lượng mưa khác nhau. Báo cáo Khoa học, 7 (1),
1–11.
Paslakis, G., Dimitropoulos, G., & Katzman, DK (2020). Lời kêu gọi hành động nhằm giải quyết tình
trạng mất an ninh lương thực toàn cầu do covid-19 gây ra nhằm ngăn chặn nạn đói, suy dinh
dưỡng và bệnh lý ăn uống. Đánh giá dinh dưỡng.
Picchioni, F., Goulao, LF và Roberfroid, D. (2021). Tác động của covid-19 đối với chất lượng chế
độ ăn uống, an ninh lương thực và dinh dưỡng ở các nước có thu nhập thấp và trung bình: Một
đánh giá có hệ thống về các bằng chứng. Dinh dưỡng lâm sàng.
Ratcliffe, C., McKernan, S.-M., & Zhang, S. (2011). Chương trình hỗ trợ bổ sung dinh dưỡng giảm
thiểu tình trạng mất an toàn thực phẩm đến mức nào? Tạp chí Kinh tế Nông nghiệp Hoa Kỳ, 93 (4),
1082–1098.
Reardon, T., Bellemare, MF, Zilberman, D., et al. (Năm 2020). Làm thế nào covid-19 có thể phá vỡ
chuỗi cung ứng thực phẩm ở các nước đang phát triển. Các chương Sách IFPRI, 78–80.
Ruan, J., Cai, Q. và Jin, S. (2021). Tác động của covid-19 và các đợt cấm vận trên toàn quốc đối
với giá rau: Bằng chứng từ các chợ đầu mối ở Trung Quốc. Tạp chí kinh tế nông nghiệp của Mỹ ..
Savy, M., Fortin, S., Kameli, Y., Renault, S., Couderc, C., Gamli, A., Amouzou, K., Perenze, M., & Martin-
Prével, Y. (2020) . Tác động của chương trình phiếu mua hàng thực phẩm trong việc giảm bớt tình trạng
mất an ninh lương thực hộ gia đình ở hai thành phố ở trung bình trong thời kỳ khủng hoảng giá lương
thực . An ninh lương thực, 1–14.
Schanzenbach, D., & Pitts, A. (2020). Tình trạng mất an toàn vệ sinh thực phẩm đã tăng lên bao nhiêu?
bằng chứng từ cuộc điều tra xung của điều tra dân số hộ gia đình. Báo cáo Nghiên cứu Nhanh của Viện
Nghiên cứu Chính sách .
Swindale, A. và Bilinsky, P. (2006). Điểm đa dạng về chế độ ăn của hộ gia đình (hdds) để đo lường
mức độ tiếp cận thực phẩm của hộ gia đình: Hướng dẫn chỉ số ..
Swindale, A. và Bilinsky, P. (2016). Điểm đa dạng khẩu phần ăn của hộ gia đình (HDDS) để đo lường
mức độ tiếp cận thực phẩm của hộ gia đình: Hướng dẫn chỉ số (v.2). FHI 360 / FANTA, Washington,
DC.
Ngân hàng Thế giới (2018). Leo lên nấc thang: Xóa đói giảm nghèo và chung thịnh vượng ở Việt Nam ..
Ngân hàng Thế giới (2020). Trong triển vọng toàn cầu: Đại dịch, suy thoái: Toàn cầu
nền kinh tế khủng hoảng ..
Ngân hàng Thế giới (2020). Tóm tắt về di cư và phát triển 33 tháng 10 năm 2020 – Giai đoạn
II: Khủng hoảng COVID-19 qua ống kính di chuyển ..
Ngân hàng Thế giới (2020). Giám sát vĩ mô Việt Nam (tiếng Anh). Truy cập qua http://
documents1.worldbank.org/curated/vi/213631600443823992/pdf/ Vietnam-Macro-Monitoring.pdf ..
Thi, HT, Simioni, M., & Thomas-Agnan, C. (2018). Đánh giá mức độ phi tuyến của mối quan hệ calo-thu
nhập: Một chiến lược ước tính - Với những hiểu biết mới về chuyển đổi dinh dưỡng ở Việt Nam.
Phát triển Thế giới, 110, 192–204.
Tuổi Trẻ online (2020). Dừng tất cả các chuyến bay giữa Việt Nam và Trung Quốc bắt đầu từ tối nay.
https://tuoitre.vn/dung-toan-bo-chuyen-bay-giua-viet-nam-va-trung quoc-tu-chieu-
nay-20200201155919672.htm. [Trực tuyến; truy cập ngày 4 tháng 5 năm 2021] ..
Vaitla, B., Coates, J., Glaeser, L., Hillbruner, C., Biswal, P., Maxwell, D., et al. (2017).
Đo lường an ninh lương thực hộ gia đình: Phân tích tương quan và biến tiềm ẩn của các chỉ số
thay thế trong một tập dữ liệu lớn của nhiều quốc gia. Chính sách Lương thực, 68 (C), 193–205.
Vaitla, B., Coates, J., & Maxwell, D. (2015). So sánh các chỉ số tiêu thụ thực phẩm của hộ gia đình
để thông báo phân loại giai đoạn mất an toàn thực phẩm cấp tính (trang 360).
Washington, DC: FHI.
Verpoorten, M., Arora, A., Stoop, N., & Swinnen, J. (2013). Tự báo cáo tình trạng mất an ninh lương
thực ở Châu Phi trong thời kỳ khủng hoảng giá lương thực. Chính sách Thực phẩm, 39, 51–63.
Tổng cục Du lịch (2021a). Doanh thu du lịch quốc tế. https://vietnamtourism.gov.vn/index.php/
statistic/receipts ..
Tổng cục Du lịch (2021b). Thống kê du lịch quốc tế. http://www.vietnamtourism.gov.vn/index.php/
statistic/ international? txtkey = & year = 2019 & period = t12 ..
Vietnambiz (2020a). Giá thịt lợn tại Việt Nam. https://vietnambiz.vn/gia-thit-heo hom-nay-15-8-
giam-10-tai-cua-hang-vissan-20200815084310709.html.
[Trực tuyến; truy cập ngày 16 tháng 8 năm 2020] ..
Vietnambiz (2020b). Giá gạo tại Việt Nam. https://vietnambiz.vn/gia-gao.html.
[Trực tuyến; truy cập ngày 16 tháng 8 năm
2020] .. von Carnap, T. (2021). Hoạt động thị trường được cảm nhận từ xa như một chỉ báo kinh tế
ngắn hạn ở các vùng nông thôn của các nước đang phát triển. Có sẵn tại SSRN 3980969 ..
Webb, P., Coates, J., Frongillo, EA, Rogers, BL, Swindale, A., & Bilinsky, P. (2006).
Đo lường mức độ an toàn vệ sinh thực phẩm hộ gia đình: tại sao việc này rất quan trọng nhưng lại
khó thực hiện. Tạp chí Dinh dưỡng, 136 (5), 1404S – 1408S.
Wolfson, JA và Leung, CW (2020). Mất an toàn thực phẩm và covid-19: Sự khác biệt về ảnh hưởng ban đầu
đối với người lớn chúng ta. Chất dinh dưỡng, 12 (6), 1648.
Machine Translated by Google

K. Vu, Nguyen Dinh Tuan Vuong, Tu-Anh Vu-Thanh et al. Phát triển Thế giới 153 (2022) 105838

Chương trình Lương thực Thế giới (2015). Hướng dẫn nhắm mục tiêu dựa trên cộng đồng. Kenya: Chương Zhou, Y., Lentz, E., Michelson, H., Kim, C., và Baylis, K. (2021). Máy học cho an ninh
trình Lương thực Thế giới. lương thực: Nguyên tắc về tính minh bạch và khả năng sử dụng. Chính sách và Quan
Yang, J., Panagoulias, P. và Demarchi, G. (2020). Theo dõi tác động của covid-19 đối với điểm Kinh tế Ứng dụng ..
các hộ gia đình ở Việt Nam, báo cáo số. 1.

27