ĐÁNH GIÁ TÁC ĐỘNG

CHƯƠNG TRÌNH/DỰ ÁN
TỔNG QUAN

Lương Vinh Quốc Duy

 Vị trí của đánh giá tác động

Năm 0 Năm t

Thẩm định Đánh giá tác động

dự án

2
Chương trình/Dự án có thể bao gồm những hoạt động sau
Những can thiệp trực tiếp (Direct service interventions)
Ví dụ: vitamin A, muối I-ốt, sữa học đường
Những cuộc vận động về ý thức trong cộng đồng (Community
mobilization efforts)
Sáng kiến nghiên cứu (Research initiatives)
Tác động vào chính sách (Advocacy work)
Ví dụ: Chính sách về lao động và tiền lương, Các chương trình
khuyến mãi của doanh nghiệp.
Các khóa đào tạo/tập huấn (Training programs)
Chính sách sản xuất – kinh doanh của doanh nghiệp.
…

3
 Tác động của dịch bệnh

SỨC KHỎE KINH TẾ

• Tuổi thọ trung bình (vĩ mô) • GDP (vĩ mô)

• Thời gian điều trị/mắc
bệnh đối với các bệnh
khác.
• Sức khỏe tinh thần
• …
• Tỷ lệ thất nghiệp (vĩ mô)
• Lạm phát (vĩ mô)
• Năng suất lao động
• Thu nhập
• …

4
Đánh giá tác động (Impact evaluation): là hoạt động
nghiên cứu nhằm xác định những thay đổi trong phúc lợi
của đối tượng thụ hưởng có thực sự do chương trình/dự án
mang lại hay không.

5
 Vì sao cần phải đánh giá tác động?

 Kiến thức

 Giúp cải thiện cách thiết kế và hiệu quả của dự án kế tiếp.

 Yếu tố kinh tế

 Hỗ trợ việc ra quyết định về phân bổ nguồn lực, chuyển nguồn lực từ

dự án kém hiệu quả sang dự án hiệu quả hơn  tăng phúc lợi xã hội.

 Yếu tố xã hội

 Tăng cường tính minh bạch và sự tín nhiệm của xã hội.

 Thúc đẩy sự tiến bộ, sáng tạo.

6
Tổng quan các bước trong đánh giá tác động
 Bước 1: Chọn phương pháp, cách tiếp cận. Xác định chỉ
tiêu/biến dùng để đánh giá tác động, đối tượng và số lượng
quan sát trong mẫu nghiên cứu (trọng tâm của môn học).
 Thảo luận và lựa chọn dựa trên khả năng về nguồn lực có
thể huy động
 Bước 2: Xây dựng kế hoạch (nguồn lực)
 Bước 3: Thực thi kế hoạch
 Bước 4: Viết báo cáo

Chú ý:
 Các bước trên có thể được thực hiện trước hoặc sau khi dự
án đã được triển khai (trừ Bước 4).
7
 Các nhóm phương pháp, tiếp cận trong
đánh giá/đo lường tác động?

Phương pháp định lượng

Kiểm định thống kê
Kinh tế lượng
Phương pháp định tính
Case study

8
Nguyên lý so sánh trong đánh giá tác động
Trước dự án Sau dự án

Before-After

CÓ tham gia KHÔNG tham

dự án gia dự án

With-Without
9
 Nguyên lý đánh giá tác động
Trước dự án Sau dự án

Before-After

CÓ tham gia KHÔNG tham

dự án gia dự án

With-Without
10
 Làm thế nào để đo lường tác động?

Tác động của

chương Tác Các yếu
trình/dự án mà = động + tố gây
có thể quan sát thực nhiễu
hay ghi nhận
được

11
Khó khăn chủ yếu trong đánh giá tác động

Sự khác biệt về không gian địa lý, văn hóa, xã hội.

Sự khác biệt về đặc điểm con người giữa nhóm tham gia dự

án và nhóm không tham gia dự án.

Nguồn lực bị giới hạn.

12
 ĐÁNH GIÁ TÁC ĐỘNG
CHƯƠNG TRÌNH/DỰ ÁN
Phương pháp Ngẫu nhiên
Randomization
Lương Vinh Quốc Duy
 Cách tiến hành phương pháp Ngẫu nhiên

Tập hợp các đối tượng đủ điều kiện tham

gia dự án

Chọn ngẫu nhiên (lần 1)

Mẫu dùng để đánh giá tác động

Chọn ngẫu nhiên (lần 2)

Nhóm tham gia dự án Nhóm không tham gia dự án
(Treatment group) (Comparison group)
Năm gốc Baseline

14 So sánh kết quả giữa hai nhóm

 1. Bạn A nghiên cứu về hành vi tuân thủ của nhân viên
trong doanh nghiệp A. Doanh nghiệp này có 1000
nhân viên. Mẫu nghiên cứu là 100. Bạn A chọn phát
10 phiếu mỗi ngày cho bất kỳ nhân viên nào trong
bệnh viện mà bạn gặp và không trùng lặp.
2. Bạn B nghiên cứu hành vi tuân thủ lời dặn của BS.
Đối tượng nghiên cứu là bệnh nhân đến khám tại
phòng mạch của BS. Mẫu nghiên cứu là 100. Mỗi
ngày có khoảng 5-7 bệnh nhân đến khám tại phòng
khám. Bạn B phát phiếu phỏng vấn lần lượt mỗi
ngày cho đến khi đủ 100 quan sát.
15
Chú ý:

Chọn mẫu ngẫu nhiên có thể tiến hành theo các cách

khác nhau:
Ngẫu nhiên đơn giản (Simple randomization)

Ngẫu nhiên phân tầng (Stratified Randomization)

Ngẫu nhiên phân cụm (Clustered Randomization)

 Ý nghĩa của việc lựa chọn ngẫu nhiên

Tập hợp các đối tượng đủ điều kiện tham

gia dự án
External
Chọn ngẫu nhiên Validity
(lần 1)
Mẫu dùng để đánh giá tác động

Chọn ngẫu nhiên

(lần 2)
Nhóm tham gia dự án Nhóm không tham gia dự án Internal
(Treatment group) (Comparision group) Validity

17 So sánh kết quả giữa hai nhóm

Việc so sánh giá trị trung bình giữa hai nhóm độc lập được phân
nhóm từ phương pháp ngẫu nhiên, có thể sử dụng cả Kiểm định
thống kê và Kinh tế lượng

Kiểm định thống kê: bao gồm kiểm định có tham số

(Parametric test) và kiểm định phi tham số (Non-
parametric test)

Kinh tế lượng: hồi quy mô hình có dạng

Yi =  + Ti + ɛi
Trường hợp sử dụng Kiểm định thống kê
Trường hợp sử dụng Kiểm định thống kê

• Biến phân nhóm: là biến định tính có 2 thuộc tính.

• Biến so sánh giữa 2 nhóm: là biến định lượng dạng interval
(điểm số, nhiệt độ) hoặc ratio.
• Nguyên tắc chung là căn cứ vào giá trị p-value của kết quả
kiểm định để quyết định CHẤP NHẬN (không bác bỏ) hoặc
BÁC BỎ giả thuyết Ho. Vì vậy, cần chú ý nội dung Ho của
từng kiểm định.
 Bước 1: Kiểm định dữ liệu trong biến so sánh giữa 2 nhóm có phân phối chuẩn
hay không (Test for normality)

• Có một số phương pháp kiểm định, trong đó kiểm định

được đánh giá tốt nhất là Shapiro-Wilk (Salkind, 2007) với
số quan sát cho mỗi nhóm là: 4  n  2000.
• Ghi chú: Nếu dữ liệu ở dạng log thì sử dụng kiểm định Shapiro-
Francia với số quan sát cho mỗi nhóm là: 5  n  5000.
• Nếu kiểm định Shapiro-Wilk kết luận dữ liệu trong biến so
sánh giữa 2 nhóm có phân phối chuẩn  Thực hiện Bước
2A (Kiểm định có tham số - Parametric test)
• Nếu kiểm định Shapiro-Wilk kết luận dữ liệu trong biến so
sánh giữa 2 nhóm không phân phối chuẩn  Thực hiện
Bước 2B (Kiểm định phi tham số - Non-parametric test)
 Bước 2A: Kiểm định có tham số (Parametric test)
• Sử dụng kiểm định t cho trường hợp 2 mẫu độc lập
(Independent samples t-test)
• Chú ý kiểm tra phương sai của dữ liệu so sánh giữa 2 nhóm
có bằng nhau (đồng nhất) hay không vì mỗi trường hợp sẽ sử
dụng công thức hoặc câu lệnh riêng (tùy phần mềm).
• So sánh giá trị p-value trong kết quả kiểm định với mức ý
nghĩa  (1%, 5% hoặc 10% tùy theo đề tài) để ra quyết định
chấp nhận hay bác bỏ Ho.
 Bước 2A: Kiểm định có tham số (Parametric test)
• Nếu giá trị p-value lớn hơn mức ý nghĩa  (1%, 5% hoặc
10%)  Chấp nhận Ho (không bác bỏ Ho)  KHÔNG có
sự khác biệt trong giá trị trung bình của biến so sánh giữa 2
nhóm.
• Nếu giá trị p-value nhỏ hơn mức ý nghĩa  (1%, 5% hoặc
10%)  Bác bỏ Ho  CÓ sự khác biệt trong giá trị trung
bình của biến so sánh giữa 2 nhóm. Khi đó, căn cứ vào giá trị
trung bình thực tế của biến so sánh giữa 2 nhóm để kết luận
giá trị trung bình của nhóm nào cao hơn.
 Bước 2B: Kiểm định phi tham số
(Non-parametric test)
• Sử dụng kiểm định Mann-Whitney U Test (còn có tên là Wilcoxon
Rank-Sum Test)
• So sánh giá trị p-value trong kết quả kiểm định với mức ý nghĩa 
(1%, 5% hoặc 10% tùy theo đề tài) để ra quyết định chấp nhận hay
bác bỏ Ho.
• Nếu giá trị p-value lớn hơn mức ý nghĩa  (1%, 5% hoặc 10%) 
Chấp nhận Ho (không bác bỏ Ho)  KHÔNG có sự khác biệt
trong giá trị trung bình của biến so sánh giữa 2 nhóm.
• Nếu giá trị p-value nhỏ hơn mức ý nghĩa  (1%, 5% hoặc 10%) 
Bác bỏ Ho  CÓ sự khác biệt trong giá trị trung bình của biến so
sánh giữa 2 nhóm. Khi đó, căn cứ vào giá trị trung bình thực tế
của biến so sánh giữa 2 nhóm để kết luận giá trị trung bình của
nhóm nào cao hơn.
 Cách viết lệnh trong R
• Thống kê giá trị trung bình theo nhóm
aggregate(data_demo[c("famsize")],data_demo["genderhead"],mean,
na.rm=TRUE)
• Shapiro-Wilk test
Ví dụ: So sánh số người trong hộ giữa nhóm hộ chủ hộ là nam và
nhóm chủ hộ là nữ
famsize: số người trong hộ
genderhead: giới tính của chủ hộ (1: nam, 0: nữ)
Kiểm tra tính phân phối của dữ liệu với nhóm chủ hộ là nam
with(data_demo, shapiro.test(famsize[genderhead == 1]))
Kiểm tra tính phân phối của dữ liệu với nhóm chủ hộ là nữ
with(data_demo, shapiro.test(famsize[genderhead == 0]))
 Cách viết lệnh trong R
• Kiểm định phi tham số
wilcox.test(famsize ~ genderhead, data = data_demo)
• T-test
Kiểm định phương sai
var.test(famsize ~ genderhead, data = data_demo)
So sánh trung bình
t.test(famsize ~ genderhead, data = data_demo, var.equal = TRUE)
t.test(famsize ~ genderhead, data = data_demo, var.equal = FALSE)
Trường hợp sử dụng Kinh tế lượng
 Trường hợp sử dụng Kinh tế lượng

Hồi quy OLS

Yi =  + Ti + ɛi

Y: Chỉ tiêu cần so sánh giữa hai nhóm

T: 1 là nhóm có tham gia dự án; 0 là nhóm không tham gia dự
án

Ghi chú: vế phải của phương trình có thể thêm vào các biến độc
lập khác trên cơ sở dựa vào những lý thuyết/nghiên cứu có liên
quan
28
29
 Chọn mẫu theo xác suất
Tổng thể (N)
Mẫu (n)

Thông tin từ mẫu có

thể sử dụng để kết
luận cho tổng thể
30
 Chọn mẫu phi xác suất Thông tin từ mẫu không
thể sử dụng để kết luận
Tổng thể (N) cho tổng thể N

Mẫu (n1)

Mẫu (n2)

Mẫu (n3)

31
Ý nghĩa của việc lựa chọn ngẫu nhiên

External Validity: Kết quả đánh giá dựa trên nhóm

mẫu này cũng sẽ giống với kết quả đánh giá dựa trên
nhóm mẫu khác.
Internal Validity: Kết quả tác động là kết quả thực,

loại trừ các yếu tố gây nhiễu.

Khi nào có thể thực hiện phương pháp Ngẫu nhiên

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

Khó kiểm soát hành vi của nhóm tham gia (treatment

group) và không tham gia (comparison group) trong
các dự án xã hội vì không thể tạo ra một môi trường có
kiểm soát nghiêm ngặt như trong phòng/trung tâm thí
nghiệm.
 Hành vi của thành viên trong nhóm tham gia dự án
(treatment group) có thể hành động khác với thông
thường khi biết rằng mình đang “được”/”bị” theo dõi.
Khía cạnh đạo đức.
 ĐÁNH GIÁ TÁC ĐỘNG
CHƯƠNG TRÌNH/DỰ ÁN
Phương pháp Biến công cụ
Instrumental Variables
Lương Vinh Quốc Duy
Trường hợp không thể áp dụng phương pháp Ngẫu
nhiên:
 Sự lựa chọn địa điểm triển khai dự án là có chủ ý ngay
từ ban đầu.
 Người dân tự quyết định mình thuộc nhóm tham gia
hay không tham gia dự án. Lý do dẫn đến sự lựa chọn
có thể quan sát hoặc không quan sát được.

36
 Một phương án thay thế

Phương pháp biến công cụ: Instrumental Variable

37
 Cách tiến hành đánh giá tác động
Hồi quy OLS

Yi =  + Ti + Xi + ɛi

Y: Chỉ tiêu cần so sánh giữa hai nhóm.

T: 1-nhóm có tham gia dự án; 0-nhóm không tham gia dự án

X: Những biến độc lập có ảnh hưởng đến Y được thu thập từ cả
2 nhóm. Việc xác định các biến X cần dựa trên kinh nghiệm,
những nghiên cứu có liên quan.
38
 Cách tiến hành đánh giá tác động

Giả sử mô hình hoàn hảo là:

Yi =  + Ti + Xi + Zi + Wi

Nhưng trong thực tế chỉ quan sát, thu thập được:

Yi =  + Ti + Xi + ɛi , trong ɛi có Zi và Wi

39
 Vấn đề phát sinh trong mô hình

Yi =  + Ti + Xi + ɛi (mô hình gốc)

 Việc lựa chọn địa điểm dự án là có mục đích.

 Lý do dẫn đến trạng thái tham gia hay không tham gia
dự án có thể quan sát được hay không quan sát được
Vì vậy, Ti = f(Zi , với Z là các biến ảnh hướng đến trạng
thái có hoặc không tham gia dự án của cả 2 nhóm)
 Cov (T,)  0  ảnh hưởng độ tin cậy của kết quả
hồi quy
40
Sử dụng biến công cụ: Hồi quy 2 giai đoạn

 Phương pháp sử dụng biến công có mục tiêu là làm

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

 Hồi quy giai đoạn 1:

Ti = 0 + Zi + Xi + ui , trong đó Z là (các) biến công cụ, chỉ

tác động đến T, không tác động đến Y. X là các biến độc
lập trong mô hình mà Y là biến phụ thuộc

Tính giá trị từ kết quả hồi quy.

 Hồi quy giai đoạn 2:

Hồi quy mô hình chính: Yi = 0 +  + Xi + i ( thay thế

Ti trong mô hình gốc). Xi có thể giống hoặc khác với mô
42
hình ở giai đoạn 1. Kết quả tác động thể hiện bởi hệ số .
Kiểm định tính phù hợp của biến công cụ (Z)

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

Kiểm định Sargan sử dụng khi bài nghiên cứu sử dụng nhiều
hơn 1 biến công cụ.
Nếu kết quả p-value của kiểm định Sargan là bác bỏ Ho 
các biến công cụ được chọn là không phù hợp.
Nếu kết quả p-value của kiểm định Wu-Hausman là chấp
nhận Ho  các biến công cụ được chọn là phù hợp.

44
Thủ thuật trong R
 Cài đặt:

install.packages("ivreg", dependencies = TRUE)

 Khởi đội nhóm lệnh có liên quan

library("ivreg")

45
Thủ thuật trong R
modelling <- ivreg(Y ~ Xs | T | Zs, data = tên tập tin chứa dữ
liệu)
summary(modelling)
Ghi chú:
modelling thuần túy là tên và có thể đặt tên theo tùy ý người sử
dụng (miễn không trùng với những tên của function khác, ký tự
bị hạn chế).
Y , Xs , và Zs là các biến sử dụng trong mô hình. Nếu chỉ sử
dụng 1 biến công cụ thì chỉ ghi 1 biến Z. Nếu sử dụng 2 biến
công cụ trở lên, thêm dấu cộng (+) và biến Z2 , và tương tự như
46thế khi có thêm biến công cụ
Thủ thuật trong R
Ghi chú:
Số lượng biến X và biến công cụ Z được xác định trên cơ sở
những nghiên cứu trước, những nghiên cứu có liên quan.

47
Ví dụ: Đánh giá tác động của dự án tín dụng vi mô (tín dụng
cho người có thu nhập thấp). Có nghiên cứu cho rằng đôi khi
các hộ ở gần tổ chức tín dụng hơn có thể có động lực tham gia
dự án nhiều hơn. Nhận diện các thông số:
 Y: Tổng chi tiêu bình quân/người của hộ
 T: biến phân nhóm: credit_m (tín dụng vi mô dành cho
nam), credit_f (tín dụng vi mô dành cho nữ)
 X: tuổi chủ hộ, giới tính chủ hộ, số năm đi học của chủ hộ,
số người trong hộ
 Z (biến công cụ): việc di chuyển từ nhà đến cơ sở tín dụng
gần nhất có thuận tiện hay không.
48
Hạn chế của phương pháp Biến công cụ

 Việc xác định biến công cụ phù hợp không phải lúc nào
cũng dễ dàng.
 Kiến thức kinh tế lượng.

49
 ĐÁNH GIÁ TÁC ĐỘNG
CHƯƠNG TRÌNH/DỰ ÁN
Phương pháp So sánh điểm
xu hướng
Propensity Score Matching
Lương Vinh Quốc Duy
Vai trò của phương pháp So sánh điểm xu hướng (PSM)
 Giả sử dự án dự án hỗ trợ bảo hiểm y tế không xây dựng cơ sở dữ
liệu cho nhóm tham gia (treatment group) và nhóm không tham gia
(comparison group) trước khi triển khai vì lý do kinh phí, thời gian,
nhân lực… Nhưng sau khi dự án triển khai một thời gian, ban quản
lý muốn đánh giá tác động của dự án đối với đối tượng thụ hưởng.
 Trong hoàn cảnh này, nhóm tham gia (treatment group) đã có sẵn,
cần xác định nhóm không tham gia (comparison group) tương
đồng để so sánh.
 Việc áp dụng phương pháp Ngẫu nhiên lúc này là hoàn toàn không
khả thi. Ngoài ra, việc xác định biến công cụ phù hợp không phải
lúc nào cũng thuận lợi.

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

52
 Mô hình hồi quy logit vs. Mô hình hồi quy tuyến tính

Biến phụ thuộc

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

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

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

So sánh

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

So sánh

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

57
Bước 1: Chuẩn bị các thông số
 Biến phụ thuộc: T , mang giá trị 1 tương ứng với quan sát thuộc
nhóm tham gia dự án (treatment group) và giá trị 0 tương ứng với
quan sát thuộc nhóm không tham gia dự án (comparison group)
 Biến độc lập (Z): tập hợp những biến đại diện cho các nhân tố
ảnh hưởng đến quyết định tham gia hay không tham gia vào dự án
của cả 2 nhóm (hoặc các nhân tố ảnh hưởng đến trạng thái
có/không tham gia dự án). Việc xác định các biến độc lập có thể
dựa trên kinh nghiệm, lý thuyết hoặc các nghiên cứu trước đây.
 Biến (Y): dùng để so sánh, đánh giá tác động của chương trình/dự
án

58
Bước 2: Tạo hai nhóm tương đồng

 Cài đặt và khởi động nhóm câu lệnh MatchIt

install.packages("MatchIt")
library(MatchIt)

59
Bước 2: Tạo hai nhóm tương đồng
modelling <- matchit(T ~ Zs, data = mydata, method =
"nearest", distance = "glm", ratio=1)
Giải thích:
nearest  nearest neightbours
distance = "glm“  hồi quy logit
ratio = 1: so sánh 1:1, nếu ratio=2, 3, 4…  so sánh 2,
3, 4… quan sát của nhóm ngoài dự án với 1 quan sát của
nhóm trong dự án
summary(modelling)  hiển thị kết quả tạo nhóm
tương đồng
60
Bước 2: Tạo hai nhóm tương đồng

Lưu 2 nhóm tương đồng dùng để phân tích/so sánh ở

Bước 3
m.data <- match.data(modelling)

61
Ghi chú về những lựa chọn trong phân tích ở Bước 2
 Chọn lựa cách so sánh
 So sánh cận gần nhất (Nearest neighbour matching)
 So sánh trong phạm vi hay bán kính (Radius matching)
 So sánh phân tầng hay khoảng thời gian (Stratification matching)
 So sánh hạt nhân và tuyến tính tại chỗ (Kernel and local-linear matching)
 Nguyên tắc so sánh
 Có thay thế hoặc không thay thế
 Có trọng số hoặc không có trọng số
 Số lượng quan sát trong từng nhóm so sánh.
 Tuy nhiên, không có cơ sở khẳng định cách so sánh và nguyên tắc
so sánh nào tốt nhất. Việc lựa chọn sẽ tùy vào từng hoàn cảnh cụ
thể. Nearest neighbour matching thường được chọn với mẫu
62 không thay thế.
Bước 3: So sánh chỉ tiêu quan tâm (Y) giữa hai nhóm
tương đồng được tạo ở Bước 2
Có 2 cách so sánh chỉ tiêu Y giữa hai nhóm
 Kiểm định thống kê t-test cho 2 mẫu độc lập (Independent sample
T-test)
 Hồi quy tuyến tính với dạng hàm
Yi =  + Ti + Xi + ɛi

Y: Chỉ tiêu cần so sánh giữa hai nhóm.

T: 1-nhóm có tham gia dự án; 0-nhóm không tham gia dự án
X: Những biến độc lập có ảnh hưởng đến Y được thu thập từ cả 2
nhóm. Việc xác định các biến X cần dựa trên kinh nghiệm, những
nghiên cứu có liên quan.
63
Nhận xét về phương pháp So sánh điểm xu hướng (PSM)

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

64
Nhận xét về phương pháp So sánh điểm xu hướng (PSM)

 Hạn chế:
 Cần số quan sát đủ lớn để bù đắp số quan sát bị hao hụt trong quá
trình so sánh điểm xu hướng.
 Kiến thức kinh tế lượng.

65
 ĐÁNH GIÁ TÁC ĐỘNG
CHƯƠNG TRÌNH/DỰ ÁN
Phương pháp khác biệt trong
khác biệt
Diffence in Diffences
Lương Vinh Quốc Duy
Nguyên lý của phương pháp Khác biệt trong khác biệt
(DID)
 Bước 1: Tính toán khác biệt trong kết quả (Y) của nhóm Có tham gia
dự án (treatment group) trước và sau khi dự án được thực hiện.
 Bước 2: Tính toán khác biệt trong kết quả (Y) của nhóm Không
tham gia dự án (control group) trước và sau khi dự án được thực
hiện.
 Bước 3: Sau đó tính toán sự khác biệt giữa kết quả của Bước 1 và
Bước 2. Đây chính là tác động của chương trình ước lượng được dựa
vào phương pháp Khác biệt trong khác biệt (DID).

 Nguyên lý này được thể hiện trong mô hình kinh tế

67
lượng dành cho dữ liệu bảng
Nguyên lý của phương pháp Khác biệt trong khác biệt
(DID)

(Treatmentt – Treatment0) – (Controlt – Control0)

Treatment: nhóm nhận tác động (trong dự án)

Control: Nhóm không nhận tác động (ngoài dự án)

68
Dạng hàm như sau:

Xit: các biến độc lập

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

69
Dạng hàm như sau:

Việc ước lượng có thể áp dụng hồi quy theo fixed

effects.
Để gia tăng sự tương đồng trong kết quả so sánh, có
thể kết hợp một phần với phương pháp PSM để tạo 2
nhóm tương đồng trước khi phân tích DID.
Trong trường hợp số quan sát lớn và số liệu phân tán
rộng: có thể chia thành các nhóm nhỏ hơn để phân
tích (ví dụ: tứ phân vị)

70
Câu lệnh trong R

install.packages ("plm")  chỉ cài 1 lần

library(plm)  khởi động mỗi khi hồi quy

fixed<-plm(Y~ T*D + X,data=mydata, index=c("id",

"year"), model="within")

id: biến nhận diện quan sát

year: biến thời gian

71