Đánh giá tác động của các chính sách công thách thức, phương pháp và kết quả

Đánh giá tác động của các chính sách công:
thách thức, phương pháp và kết quả
Jean-Pierre Cling, Mireille Razafindrakoto, François Roubaud – IRD-DIAL

Nhu cầu đánh giá chính sách ngày càng gia tăng
16
Hai cách tiếp cận truyền thống trong đánh giá định lượng
các chính sách
17
1. Đánh giá sau các chính sách 
17
1.1 Các khái niệm và định nghĩa trong đánh giá tác động 
17
1.2 Các nguyên tắc đánh giá sau các chính sách

18
1.3 Các phương pháp




19
1.4 Các vấn đề và hạn chế trong đánh giá sau
21
2. Đánh giá trước các chính sách 
22
2.1 Nguyên tắc đánh giá trước thông qua mô hình cân bằng
tổng thể

22
2.2 Đánh giá tác động tới phân bổ thu nhập của việc

Việt Nam gia nhập WTO
25
2.3 Kết luận về tác động của việc gia nhập WTO

28
Kết luận chung
29
Thảo luận
30
Bài đọc
35

Đánh giá các chính sách công với mục tiêu chính là
thông tin việc đưa ra quyết định, là một trong những
thách thức chính của khoa học xã hội hiện nay. Lĩnh
vực nghiên cứu này đặt ra những thách thức to lớn
về phương pháp luận mà hiện vẫn chưa hoàn toàn
vượt qua được. Nhìn chung, câu hỏi chính cần phải
giải đáp là “điều gì sẽ diễn ra (đã diễn ra) nếu chính
sách, chương trình hay dự án không được triển khai?”.
Khi đó, khó khăn nằm ở việc lựa chọn một kịch bản
tham chiếu (một “kịch bản đối chứng”) để đối chiếu
với chính sách có liên quan nhằm đánh giá những tác
động quan sát được hay những tác động kỳ vọng.
Trong những năm vừa qua, đã có những tiến bộ đáng
kể trong lĩnh vực này.
Bài trình bày của chúng tôi gồm hai phần. Trong phần
đầu, chúng tôi mô tả các phương pháp đánh giá sau
(tức sau khi các chính sách được triển khai) có áp dụng
các phương pháp kiểm nghiệm hay bán kiểm nghiệm

truyền thống trong y học. Phần hai sẽ đề cập đến đánh
giá trước (tức trước khi các chính sách được triển khai)
và lấy ví dụ về đánh giá tác động của việc Việt Nam
gia nhập Tổ chức Thương mại Thế giới (WTO) thông
qua các mô hình kinh tế vĩ mô kết hợp với các mô hình
mô phỏng vi mô.

(Nội dung tách băng)
Xin chào. Tôi là François Roubaud, thành viên nhóm
IRD-DIAL ở Việt Nam với hai đại diện khác cũng có
mặt tại đây hôm nay là Mireille Razafindrakoto và JeanPierre Cling. Jean-Pierre Cling sẽ tiếp lời tôi và giới thiệu
về đánh giá trước (ex ante) các chính sách công.
Chúng tôi sẽ bắt đầu phiên toàn thể này bằng việc giới
thiệu tóm tắt các phương pháp đánh giá tác động của
các chính sách công. Nội dung giới thiệu chỉ mang tính
chất đề dẫn vì đây là lĩnh vực rất rộng và có nhiều vấn
đề đặt ra về mặt kỹ thuật cũng như chính sách.
Có hai nhóm phương pháp đánh giá “nghiêm khắc”
các chính sách hay các chương trình. Đánh giá được
gọi là đánh giá sau (ex post) được thực hiện sau khi
các chính sách đã được triển khai còn đánh giá được
gọi là đánh giá trước thường được thực hiện trước khi
triển khai các chính sách để nghiên cứu các khả năng
lựa chọn cũng như hệ lụy của chúng.
Đối với từng trường hợp, chúng tôi sẽ cố gắng giới thiệu
một cách đơn giản nhất những nguyên tắc phương
pháp luận, thách thức cũng như hạn chế của từng
phương pháp tiếp cận.
Trong trường hợp đánh giá trước, chúng tôi may mắn
khi có thể minh hoạ phần thuyết trình của mình bằng

16

Khóa học Tam Đảo 2008

một nghiên cứu cụ thể về Việt Nam liên quan đến tác
động tới thu nhập và phân phối thu nhập của việc gia
nhập WTO gần đây.
Trong trường hợp đánh giá sau, nhóm phương pháp
này tiếc thay không tồn tại hay còn sơ khai ở Việt Nam.
Nếu Khóa học Tam Đảo tiếp tục được tổ chức, chúng
tôi hy vọng sang năm sẽ giới thiệu với các bạn kết quả
thu được trong khuôn khổ chương trình xóa đói giảm
nghèo tại vùng dân tộc thiểu số và miền núi mang tên
Chương trình 135. Nhóm chúng tôi tham gia đánh giá
tác động của Chương trình này.

Nhu cầu đánh giá chính sách ngày càng
gia tăng
Hiện nay nhu cầu đánh giá chính sách ngày càng
lớn.
Dường như ngay lập tức xuất hiện một câu hỏi trọng
tâm: Các chính sách phát triển, đặc biệt là các chính
sách xóa đói giảm nghèo có tác động gì? Cho tới
nay, các nhà kinh tế và các nhà nghiên cứu nói chung
thường không có nhiều điều để nói và không có lời giải
đáp mang tính khoa học cho câu hỏi giản đơn này. Từ
vài năm trở lại đây, vấn đề đánh giá trở thành trọng
tâm trong các chính sách. Người ta nhận thức được sự

cần thiết phải đánh giá tác động của hàng tỷ đô-la chi
cho viện trợ phát triển: liệu chính sách có được triển
khai hiệu quả không? Những chính sách này có tác
động gì? Liệu có cần hướng viện trợ vào những lĩnh
vực khác? Các phương thức triển khai và giải ngân liệu
có phù hợp?
Công tác đánh giá được chú trọng trong các sáng kiến
quốc tế mới như Mục tiêu phát triển thiên niên kỷ hay
các tài liệu chiến lược về xóa đói giảm nghèo. Đây là
sáng kiến được cộng đồng các nhà tài trợ quốc tế ủng
hộ và hơn 60 quốc gia trên thế giới, trong số các quốc
gia đang phát triển, có cả các quốc gia nghèo nhất
trực tiếp liên quan. Công tác đánh giá phải trở thành
một bộ phận trong các chính sách được triển khai, sẽ
không phải là “chúng ta thử xem chúng ta đã làm được
gì” mà ngay từ đầu công tác này phải được xác định
“là một bộ phận của chính sách”.
Nhìn từ bên ngoài, tất cả điều này nằm trong nội dung
thảo luận về hiệu quả của viện trợ phát triển chính
thức (ODA) và các nguyên tắc phân bổ viện trợ - các
nguyên tắc về tiêu chí lựa chọn: liệu có cần phải lựa
chọn hỗ trợ các quốc gia theo tiêu chí chất lượng thể
chế; về hỗ trợ ngân sách: các nhà tài trợ tài trợ cho
ngân sách thay vì tài trợ cho các chương trình riêng
rẽ; các nguyên tắc tiếp thu và giải trình (tiếng anh là
accountability).
Những nguyên tắc mới này được quyết định bởi chính
các cơ chế đánh giá cho phép thực thi các nguyên tắc
này. Ta có thể nêu ra đây Tuyên bố Paris được Tổ chức
Hợp tác và Phát triển kinh tế (OECD) thông qua năm

2005 tổng hợp những nguyên tắc này hay tại Việt Nam

là Cam kết Hà Nội (Hanoi Core Statement) là sáng kiến
cấp quốc gia của Tuyên bố Paris.
Liên quan đến cung, nghiên cứu và phương pháp luận,
nhiều cách tiếp cận mới được phát triển thời gian gần
đây và dần được ứng dụng rộng rãi.
Yêu cầu đánh giá hiệu quả phân bổ nguồn lực là tất
yếu đối với các chính sách nói chung nhưng yêu cầu
này càng trở nên bức thiết tại các quốc gia đang phát
triển: các nguồn lực tại đây khan hiếm hơn so với các
quốc gia phát triển và nhu cầu thì cao hơn. Do đó, việc
ứng dụng những phương pháp này càng trở nên cần
thiết tại các quốc gia đang phát triển.
Hơn nữa, một số lĩnh vực mới được mở ra ví dụ như
các thỏa thuận thương mại khu vực hay đàm phán
thương mại đa phương. Tiêu biểu là trường hợp của
Việt Nam với việc gia nhập WTO và trước đó, là việc ký
các thoả thuận song phương hay khu vực với ASEAN
hay Mỹ. Những thỏa thuận này tác động đến phân
phối thu nhập. Đánh giá nhằm mục đích xác định mối
liên hệ giữa chính sách kinh tế vi mô và vấn đề phân
phối thu nhập, mức sống dân cư, mối liên hệ giữa
các thoả thuận thương mại và các chính sách xóa đói
giảm nghèo.
Cuối cùng, xét ở khía cạnh khác thiên về tính quốc gia
hơn là quốc tế, một trong những mảng ứng dụng quan
trọng là các chính sách xã hội và rộng hơn là các chính
sách xóa đói giảm nghèo.

Nhu cầu đánh giá các chính sách ngày càng tăng
Thế nhưng văn hóa đánh giá còn sơ khởi


Hàng tỷ đô-la bỏ ra hàng năm. Thế nhưng, ta thu được
tương đối ít thông tin về tác động đối với tình trạng
nghèo khó và những đối tượng mục tiêu của các chiến
lược, các chính sách và các dự án phát triển được triển
khai...



Ví dụ 1: Điểm lại một cách hệ thống các báo cáo của
UNICEF cho thấy chỉ 15% trong số các báo cáo đưa
vào phần đánh giá tác đống và đa phần những đánh
giá này không cho phép xác định một cách chính xác
tạc động của những yếu kém về phương pháp luận.
Ví dụ 2 : Điểm lại 127 nghiên cứu về tài trợ các chương
trình y tế cộng đồng cho thấy chỉ có 2 nghiên cứu trong
số đó cho phép đưa ra những kết luận vững vàng về tác
động của việc tiếp cận các dịch vụ y tế.
Ví dụ 3: bốn đánh giá một cách khoa học tác động cho
AFD
Ví dụ 4: GEI (Ngân hàng Thế giới) không tiến hành
đánh giá tác động

Tại sao (những lý lẽ phổ biến nhất)?



Những đánh giá đòi hỏi chi phi tốn kém, phức tạp, mất
nhiều thời gian và không công bằng.


Đánh giá tác động

Ở đây các bạn có nhiều ví dụ nhưng chúng ta cũng
có thể đưa ra nhiều ví dụ khác nữa. Những ví dụ này
cho thấy phần lớn các cơ quan viện trợ hay chính phủ
các nước cho tới nay ít áp dụng những phương pháp
mới này.
Tôi nêu trường hợp của Cơ quan phát triển Pháp AFD
từ khi được thành lập đến nay mới chỉ thực hiện bốn
nghiên cứu nghiêm khắc về đánh giá tác động. Con
số này thật ít ỏi. Tuy nhiên, cần phải lưu ý rằng AFD,
mặc dù là một cơ quan hợp tác song phương có quy
mô khiêm tốn nhưng là một trong số cơ quan hiếm
hoi tham gia vào mặt trận đánh giá tác động một cách
nghiêm khắc. Không nhiều cơ quan viện trợ có thể
được nêu tên như vậy. Ví dụ, các cơ quan hợp tác của
Pháp chưa từng thực hiện bất kỳ đánh giá nào. Ngay
cả Ngân hàng Thế giới có riêng một cơ quan đánh giá
nội bộ (GEI) cũng không tiến hành đánh giá một cách
nghiêm khắc các chính sách cho tới gần đây. Hiện

nay Ngân hàng Thế giới đã quan tâm đến vấn đề này.
Tại sao lại có ít đánh giá tác động như vậy? Bởi những
đánh giá loại này chi phí tốn kém, kỹ thuật phức tạp và
mất nhiều thời gian tiến hành và phải cần một thời gian
dài sau đó mới đem lại những tác động cụ thể phục vụ
cho hoạt động thực tế.

Hai cách tiếp cận truyền thống trong
đánh giá định lượng các chính sách
Chúng ta cùng nghiên cứu cách tiếp cận – sau – là cách
tiếp cận mang tính thực chứng. Đây là việc xem xét và
đánh giá các chính sách đã được triển khai. Cách tiếp
cận này dựa vào những số liệu kinh tế vi mô và các kỹ
thuật kinh tế lượng. Nó áp dụng các phương pháp kiểm
nghiệm hay bán kiểm nghiệm phỏng theo các ngành
khoa học khác và áp dụng cho các chương trình “cung
cấp dịch vụ tối thiểu”, các chương trình hội nhập nghề
nghiệp, tín dụng vi mô… Một số cơ quan nghiên cứu
như Poverty Action Lab, mà chúng tôi đưa ra một vài ví
dụ ở đây chuyên về đánh giá dạng này.
Nhóm chính thứ hai, cách tiếp cận trước, thiên về đánh
giá các chính sách kinh tế vĩ mô. Đây là cách tiếp
cận mang tính chuẩn tắc: người ta nghiên cứu tác
động tiềm năng của các chính sách sẽ được triển khai.
Phương pháp này dựa vào các mô hình kinh tế vĩ mô
xác định các nhóm tác nhân đại diện, một số nhóm hộ
gia đình, những nông dân nghèo, những phụ nữ được
đào tạo… Đôi khi kết hợp với các mô hình mô phỏng
vi mô, phương pháp này tiến hành phân tích ở cấp độ
sâu hơn. Cách tiếp cận này quan tâm đến các chính

sách cơ cấu.

17

Có hai cách truyền thống dùng để đánh giá định lượng
các chính sách
« Vi mô » và « hậu nghiệm »: Một cách tiếp cận tích cực
- Đánh giá tác động dựa vào dữ liệu vi mô và các kỹ thuật
kinh tế lượng
- Phương pháp thực nghiệm
- Mạng lưới an toàn, chương trình khó khăn việc làm
« Vĩ mô » và « tiên nghiệm »: Một cách tiếp cận chuẩn tắc
- Mô hình CGE, như mô hình mô phỏng dựa trên phân
tích đối lập thực tế
- Nhóm hộ gia đình đại diện
- Các chính sách thương mại, đổi mới cơ cấu, chính
sách tài khóa, cú sốc vĩ mô

1. Đánh giá sau các chính sách

1.1 Các khái niệm và định nghĩa trong đánh giá tác
động
Trước tiên tôi sẽ giới thiệu về đánh giá sau, tiếp đó
chúng ta sẽ nghiên cứu đánh giá trước và lấy một số
ví dụ.
Đánh giá tác động chỉ là một trong những thành phần
của công tác đánh giá nghiêm khắc các chính sách.
Xếp theo mô hình lý tưởng, ta có thể phân thành ba nội
dung đánh giá.
Đánh giá nhu cầu: đối tượng mục tiêu là ai, bản chất

vấn đề cần giải quyết là gì, chương trình nằm trong
khuôn khổ nào, hoạt động can thiệp có vị trí như
thế nào?
Đánh giá quy trình: chương trình được triển khai thế
nào trong thực tế, các dịch vụ đã hứa được cung cấp
chưa, dịch vụ có đến được đối tượng mục tiêu không,
khách hàng có hài lòng không?
Đối với hai giai đoạn đầu tiên này, văn hóa đánh giá có
tồn tại. Những giai đoạn này được các cơ quan viện trợ
triển khai đều đặn một cách có hệ thống.
Đánh giá tác động mới xuất hiện: liệu chương trình
có tạo ra tác động mong đợi đối với các cá nhân hay
đối tượng mục tiêu, các hộ gia đình, các thể chế, các
đối tượng thụ hưởng của chương trình? Những tác
động này là nhờ chương trình hay nhờ vào các yếu
tố khác?
Chúng ta tập hợp ba thành phần này lại trong phân
tích “chi phí lợi ích”, tức một mặt ta xem xét các chi phí
hay chi phí cơ hội – cái đáng lẽ ra có thể làm được với
số tiền đã chi ra – và mặt khác là tác động thực tế - lợi
ích của chương trình.
Ở đây tôi chỉ quan tâm đến phần đánh giá tác động,
đến đánh giá sau, tôi xin nhắc lại đây chỉ là một trong
những thành phần.


18

Khóa học Tam Đảo 2008

nếu “kịch bản phản chứng” được ước định một cách
chính xác: “Chuyện gì sẽ xảy ra nếu dự án không được
thực hiện?”

Các khái niệm và định nghĩa trong đánh giá tác động
Đánh giá tác động là một phần của đánh giá hoàn chỉnh
gồm ít nhất ba phần sau :
- đánh giá nhu cầu
Đâu là đối tượng mục tiêu ? Bản chất vấn đề cần giải
quyết là gì ? Chương trình nằm trong khuôn khổ nào?
Những nhu cầu khác là gì?
- đánh giá quy trình
Một chương trình hoạt động thế nào: có tạo ra các dịch
vụ hay không? Dịch vụ có đến được đối tượng mục tiêu
hay không? Khách hàng có hài lòng không? Những vấn
đề gặp phải trong triển khai.
- đánh giá tác động xác định xem :
chương trình có tạo ra những tác động kỳ vọng đối
với các cá nhân, các hộ gia đình, hay các thể chế,
những đối tượng thụ hưởng chương trình. Mỗi phần
đều khác nhau.
Những phần này kết hợp trong phân tích chi phí lợi nhuận
ước tính chi phí chương trình và so sách với lợi nhuận
của chương trình và với việc sử dụng thay thế các quỹ
đã được cam kết.

1.2 Các nguyên tắc đánh giá sau các chính sách
Có những nguyên tắc đánh giá sau nào? Theo nghĩa
hẹp, phương pháp này tìm cách kiểm định xem liệu
các mục tiêu của một chính sách đã được triển khai có

đạt được hay không nhờ cách tiếp cận định lượng và
thực chứng chứ không phải chuẩn tắc. Để quyết định
triển khai chính sách xã hội nào, cần phải hiểu rõ mối
quan hệ nhân quả tồn tại giữa hành động can thiệp
và kết quả của nó. Chỉ có thể đánh giá chính xác mối
quan hệ nhân quả này nếu ta có được một “kịch bản
đối chứng” (tiếng Anh là counterfactual): điều gì có
lẽ sẽ diễn ra đối với những đối tượng thụ hưởng của
chương trình hay của chính sách nếu hoạt động can
thiệp này không diễn ra. Cách đặt câu hỏi của chúng
ta rất giống với những gì diễn ra trong nghiên cứu dược
phẩm, khi ta đưa ra một loại thuốc mới và tự hỏi: liệu
thuốc có tác dụng không?

-

Cách đánh giá này gần với câu hỏi trong dược lý : “Liệu
phương thuốc có tác dụng ?”

Chng trình ca b
n có làm thay i iu gì ó không?
Thành công trong
h
c tp
3

(Quan sát

c)

3-2=1

= Tác ng?
2

(Quan sát c)
t=0

t=1

th
i gian

CHNG TRÌNH

11

Ta quan sát các đối tượng thụ hưởng của một chính
sách, một “phương pháp điều trị” vào thời điểm t=0
trước khi áp dụng phương pháp điều trị, sau đó quan
sát các đối tượng thụ hưởng sau điều trị. Khi đó câu hỏi
đặt ra là: liệu ta có thể coi chương trình này, tức tăng tỷ
lệ thành công trong học tập ở ví dụ nêu trên, có phải
là hiệu số giữa 3 và 2? Câu trả lời tất nhiên là không do
trong thời điểm thực hiện chương trình, rất nhiều điều
đã diễn ra.
i
u gì có th
din ra nu không có chng trình?
Thành công trong
h
c tp

3

(Quan sát
c)

Tác ng : 3 – X
X

(Không quan sát 
c)

2

t=0

t=1

thi gian
12

Các nguyên tắc đánh giá sau các chính sách
-

Theo nghĩa hẹp, đánh giá sau tìm cách kiểm nghiệm
lại xem liệu các mục tiêu của một chính sách có đạt
được hay không thông qua phương pháp thực chứng.

-

Để quyết định các chính sách xã hội đưa vào triển khai,
cần phải hiểu rõ mối quan hệ nhân quả

-

Các mối quan hệ nhân quả (ví dụ tác động của một
chương trình) chỉ có thể được đánh giá chính xác

Làm thế nào giải đáp cho câu hỏi mang tính lý thuyết
về tác động?
Vào thời điểm t=0, xuất phát điểm là một tỷ lệ trung
bình của thành công trong học tập nào đó. Vào thời
điểm t=1, ta quan sát kết quả đối với những đối tượng
thụ hưởng của chương trình. Vấn đề ở đây sẽ là đánh
giá tác động. Tác động chính là sự chênh lệch tại điểm
t=1 giữa giá trị X mà ta chưa biết, kết quả mà ta có lẽ
đạt được nếu không có chương trình, và kết quả thực


Đánh giá tác động

tế mà các đối tượng thụ hưởng đạt được khi chương
trình đã được triển khai. Thách thức trong đánh giá
tác động sẽ là xác định “yếu tố đối chứng”.
Liệu điều gì đáng lẽ sẽ xảy ra nếu không có chương
trình? Đối với từng cá nhân, họ có thể hoặc không là
đối tượng thụ hưởng của chương trình. Ta không thể
quan sát từng cá nhân và trong cùng một thời điểm hai
trạng thái khác nhau.
Làm thế nào để giải quyết vấn đề thiếu dữ liệu này,
tức những dữ liệu không thể quan sát được và sẽ
không bao giờ quan sát được trừ phi phải tiến hành thử

nghiệm trong phòng thí nghiệm?
Chỉ có thể đánh giá tác động chính xác nếu ước lượng
chính xác X. Do đó, nghệ thuật đánh giá tác động thể
hiện qua điều duy nhất: tái hiện chính xác kết quả
mà các đối tượng thụ hưởng chương trình thu được
nếu như họ đã không được hưởng lợi từ chương
trình này.

1.3 Các phương pháp
Làm thế nào để tái hiện X? Có thể áp dụng hai chiến
lược:
> sử dụng các dữ liệu về lịch sử của những đối tượng
thụ hưởng và “dự đoán” X thông qua các kỹ thuật
kinh tế lượng truyền thống;
> sử dụng nhóm đối tượng thụ hưởng và so sánh với
một nhóm nhân chứng. Các bạn nhận thấy ở đây
có mối liên hệ với các phương pháp trong ngành
y học.
Câu hỏi “làm thế nào ước tính X” chuyển thành: làm
thế nào xác định nhóm nhân chứng, những “người anh
em sinh đôi” của các đối tượng thụ hưởng nhưng sẽ
không được hưởng lợi từ chương trình?
Tái hi
n X vi s tr giúp ca mt nhóm nhân chng
Thành công trong
hc t
p
“Nhóm 
c x l”
(Quan sát c trong s các i tng

th hng)

3

Tác ng: 3 – 2.4

(Quan sát c trong s nhng i
tng không c th hng)

2.4

“Nhóm nhân chng”

2

t=0

t=1

thi gian
15

Đây là một tình huống lý tưởng. Ta bắt đầu vào thời
điểm t=0, khi đó ta có các đối tượng thụ hưởng và các
đối tượng không được thụ hưởng, và kết quả trung
bình là cho từng nhóm đối tượng về kết quả học tập.

19

Vào thời điểm t=1, nhóm nhân chứng đạt kết quả

trung bình là 2,4. Trong cùng thời điểm đó, kết quả
trung bình của nhóm đối tượng thụ hưởng là 3. Do đó,
tác động ở đây mang tính tích cực [3- 2,4].
Điều ta cần phải làm là đảm bảo nhóm nhân chứng và
nhóm đối tượng thụ hưởng ban đầu là hai nhóm hoàn
toàn có thể thay thế cho nhau và lộ trình của họ đáng
lẽ là như nhau nếu họ phải tuân theo những điều kiện
bên ngoài giống nhau.
Lựa chọn nhóm nhân chứng này như thế nào?
Có thể các đối tượng không được thụ hưởng khá khác
biệt so với các đối tượng thụ hưởng. Trên thực tế có
những thử nghiệm về các trường hợp sinh đôi nhưng
khả năng nghiên cứu về các cặp sinh đôi trong khuôn
khổ các chính sách chung có vẻ khó khăn.
Tại sao nhóm nhân chứng tiềm năng và nhóm đối
tượng thụ hưởng lại có thể khác biệt?
Các chương trình nhằm vào các đối tượng rất cụ thể
và các cá nhân lựa chọn hoặc không lựa chọn tham
gia vào chương trình tùy theo những đặc điểm có thể
có tác động đến sự thành công của họ trong chương
trình. Bắt đầu từ thời điểm ta nhận thấy có mối tương
quan giữa việc tham gia và kết quả của chính chương
trình, ta vấp phải vấn đề lớn: theo thuật ngữ kỹ thuật
(thống kê và kinh tế), đây được gọi là “sai số trong
chọn lựa”. Những người tham gia tự mình quyết định
hoặc do chương trình lựa chọn, điều này tạo ra sai số
trong đánh giá.
Làm thế nào để lựa chọn nhóm nhân chứng?
Có thể những đối tượng không được thụ hưởng khác so với
những đối tượng thụ hưởng. Tại sao?

- Các chương trình thường hướng tới một vài nhóm
đối tượng theo một hoặc vài tiêu chí cụ thể (tình trạng
nghèo, mức độ ban đầu,...)
- Những người lựa chọn hay không lựa chọn tham gia
các chương trình (những người lựa chọn tham gia liệu
có động cơ mạnh hơn không?)
- Khác biệt rất nhỏ, khó có thể quan sát (động cơ, tiếp
cận thông tin)
Nếu những đối tượng không thụ hưởng là khác biệt, họ
không thể được coi là «đối chứng »
Việc so sánh sẽ là sai lệch do đã có sự lựa chọn những đối
tượng thụ hưởng
“Sai số lựa chọn”

Hiệu chỉnh sai số lựa chọn như thế nào?
Thừa nhận rằng nhóm nhân chứng khác biệt lúc đầu
Nghiên cứu lộ trình của nhóm nhân chứng để dự báo
trước lộ trình của nhóm được xử lý


20

Khóa học Tam Đảo 2008

c l
ng theo khác bi
t (hi
u s) kép “diff-in-diff”

Ph

ng pháp áp dng:
-
-

Không so sánh các mức tuyệt đối mà chỉ so sách các
mức tương đối (liên quan đến khả năng ban đầu của
mỗi nhóm)
Đó là cái được gọi là ước lượng theo khác biệt kép hay
“diff-in-diff”

1.

Phương pháp “khác biệt kép” cho phép giảm nhẹ
vấn đề. Có thể minh họa phương pháp này qua hình
sau đây:

c l
ng theo khác bi
t (hi
u s) kép “diff-in-diff”
Thành công
trong hc tp

3

Tác ng

Nhóm nhân ch
ng
X

2
Nhóm 
c x l
t=0

t=1

thi gian
18

Ta giả định rằng lộ trình của nhóm nhân chứng chính
là lộ trình của nhóm được xử lý trong trường hợp nhóm
này không được hưởng lợi từ chính sách, và ta so sánh
diễn biến của nhóm so với diễn biến của nhóm được
xử lý. Nhưng chỉ một phần của vấn đề được giải quyết:
ta giả định rằng lộ trình giống nhau nhưng đồ thị cho
thấy ban đầu, nhóm nhân chứng không phải là “sinh
đôi” thực sự với nhóm được xử lý.
Cụ thể, áp dụng phương pháp “khác biệt kép” như
thế nào?
Ta thực hiện cuộc điều tra đầu tiên được gọi là “điều tra
ban đầu” (baseline survey) trước khi đưa chương trình
vào. Sau đó, ta thực hiện cuộc điều tra thứ hai sau khi
đã đưa chương trình vào. Tiếp đến, ta tính chênh lệch
trong từng nhóm trước và sau khi đưa chương trình vào
và cuối cùng ta trừ kết quả chênh lệch quan sát được
đối với nhóm được xử lý và kết quả chênh lệch thu
được đối với nhóm nhân chứng. Ví dụ, kết quả học tập
của các nhóm được xử lý tăng 1 điểm [3-2], còn đối với

nhóm nhân chứng kết quả chỉ tăng 0,1 điểm [2,4-2,3].
Ta có thể kết luận kết quả chênh nhau như vậy là nhờ
chương trình [1-0,1].

Thu thp d# liu ban u i vi mi nhóm trc khi

khi u
trình.
2. Thu thập
dữ ch
ng
liệu theo
dõi đối với mỗi nhóm sau khi
2. Thutrình
thp d#
chuơng
đã liu
diễntheo
ra. dõi i vi mi nhóm sau khi
trình
din–ra.
3. Tính chu
ng
toán hiệu
sốã
trước
sau đối với mỗi nhóm
3. Tính toán hiu s trc – sau i vi mi nhóm
4. Làm phép trừ hiệu số của nhóm nhân chứng với hiệu
4. Làm phép tr! hiu s ca nhóm nhân ch ng vi hiu

số của
được
xử lý
s nhóm
ca nhóm
c
x" l

Nhóm

Tr
c

Sau

1.


c x" l


2.0

3.0

2.

Nhân ch ng

2.2

2.3

3.

Tác ng

Hi
u s tr
c-sau
1.0
0.1
1.0 - 0.1 = 0.9

19

Phương pháp khác biệt kép liệu có đủ?
Ta quay trở lại vấn đề nhóm nhân chứng. Giả thuyết
rằng lộ trình của nhóm được xử lý và nhóm nhân
chứng giống nhau trong trường hợp không có chương
trình. Mà điều này không được đảm bảo. Phương pháp
lý tưởng là phương pháp phân nhóm ngẫu nhiên.
Đó là phân chia ngẫu nhiên các đối tượng điều tra vào
hai nhóm, nhóm những đối tượng được xử lý và nhóm
những đối tượng không được xử lý. Việc phân nhóm
ngẫu nhiên cho phép có được nhóm nhân chứng và
nhóm được xử lý thực sự tương đồng với nhau, điều
này giúp loại bỏ tất cả các sai số trong chọn lựa.
Phương pháp phân nhóm ngẫu nhiên có những ưu
điểm chính gì?

Ta chắc chắn được rằng tính trung bình (hay theo dự
đoán triển vọng), hai nhóm giống hệt nhau. Nếu sau
đó ta quan sát thấy có sự khác biệt giữa hai nhóm, đó
có thể là do quá trình xử lý. So với các phương pháp
thay thế khác, đánh giá tác động nhờ phương pháp
phân nhóm ngẫu nhiên hay đánh giá ngẫu nhiên có
ưu điểm là minh bạch, ta so sánh các kết quả trung
bình: không phức tạp về phương pháp.
Các ưu điểm chính của các biện pháp đánh giá
ngẫu nhiên
-

Các nhóm (được xử lý và nhân chứng) có cùng đặc điểm
trước đánh giá (ex-ante) và có thể chịu được những cú
sốc/lộ trình tương đương nhau (ngoại trừ phần xử lý
trong chương trình đối với nhóm được xử lý)





Do đó :
Nếu thấy có sự khác biệt giữa hai nhóm trước-sau
(ex-post), có thể quy đó là khác biệt chung

So với kết quả không qua thử nghiệm, những kết quả của
đánh giá ngẫu nhiên có các đặc điểm :

Ước lượng theo khác biệt (hiệu số) kép “diff-in-diff”

-
-

Phương pháp áp dụng:

-

1. Thu thập dữ liệu ban đầu đối với mỗi nhóm trước khi
khởi đầu chương trình.

-

Minh bạch
So sánh các trung bình cộng : không phức tạp về
phương pháp, không có giả thuyết đáng nghi ngờ …
dễ giải thích, dễ hiểu đối với những người không làm
thống kê
Có nhiều cơ hội hơn để thuyết phục các nhà tài trợ và
các nhà quyết sách


Đánh giá tác động

Phương pháp đánh giá ngẫu nhiên được mô tả theo
sơ đồ sau:

c lng ngu nhiên có ki
m tra
Tng i tng iu tra

i t
ng iu tra mc tiêu

Ly mu ngu nhiên
Mu nghiên cu
Phân nhóm ngu nghiên

Nhóm

c x l
Tham gia

Có mang tính i din? Có
(Có giá tr
t
các yu
t bên ngoài)

Có th
ch
ch ng ti mc nào khi s dng các
phng pháp không c th nghi
m?
Ph
ng pháp

Tng
ng
(Có giá tr
t

các yu
t bên trong)

23

Trên cơ sở tổng đối tượng điều tra và đối tượng điều
tra mục tiêu, ta lấy mẫu nghiên cứu ngẫu nhiên đối với
đối tượng điều tra mục tiêu và mẫu nghiên cứu. Ta sẽ
phân chia ngẫu nhiên các đối tượng vào hai nhóm là
nhóm xử lý và nhóm nhân chứng. Nhưng trong nhóm
xử lý, một số thành viên sẽ tham gia chương trình
còn số khác thì không. Ví dụ, ta lựa chọn ngẫu nhiên
các tỉnh nghèo cho một chương trình tín dụng vi mô.
Ta quyết định ngẫu nhiên (chỉ thời gian đầu hay thống
nhất từ đầu) những ai sẽ được hưởng lợi từ chương
trình này. Nhưng cuối cùng, chính cá nhân sẽ quyết
định họ lựa chọn tín dụng vi mô hay không. Đây là vấn
đề nảy sinh thêm khi tiến hành đánh giá tác động của
chương trình.
Các phương pháp khác: Ghép đôi (“Matching”). Đối
với mỗi cá nhân trong nhóm được xử lý, ta tìm trong cơ
sở dữ liệu một số cá nhân trong nhóm không được xử
lý có đặc điểm tương tự. Tôi sẽ không đề cập các kỹ
thuật kinh tế lượng khác ở đây.
-


được lựa chọn ngẫu nhiên, chỉ có 35 000 nhấc máy
điện thoại. Tất nhiên 35 000 người này không phải là
bất kỳ ai. Họ có những đặc điểm cụ thể và việc họ nhấc

máy điện thoại là do họ có những phẩm chất đặc biệt
mà người đánh giá không thể quan sát được (các biến
không quan sát được) mà những phẩm chất này có
thể tác động đến kết quả bỏ phiếu. Điều này thể hiện
rất rõ trong phần so sánh các phương pháp dưới đây:

Nhóm
nhân chng
Vng mt

Ghép đôi (“Matching”)
Đối với mỗi cá nhân trong nhóm được xử lý, tìm một cá
nhân trong nhóm không được xử lý có các đặc điểm
tương tự

-


Theo các biến công cụ
Dự đoán tỉ lệ tham gia chương trình nhờ một biến
không có tác động nào tới các chỉ số kết quả

-

Hồi quy - ngắt quãng

Chúng ta hãy ứng dụng vào trường hợp cụ thể để so
sánh các phương pháp.
Đây là ví dụ thực tế diễn ra tại Mỹ liên quan đến việc
làm thế nào để tăng tỷ lệ người tham gia bầu cử vốn rất

thấp tại Mỹ. Ý tưởng của chính sách là lựa chọn ngẫu
nhiên một số người và gọi điện cho họ để khuyến khích
họ đi bỏ phiếu. Trên thực tế, trong số 60 000 người

21

Tác
!ng "c
ch&ng

1 – Trong s 60,000 ng#i
$c chn: Khác bit (hiu s)
n
gi(a nh(ng ng#i nhn và nh(ng ng#i không nhn cu!c gi

10.8 pp *

2 – Trong s 60,000 ng#i