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

2.3. Đánh giá tác động:
các phương pháp và ứng dụng
trong lĩnh vực tài chính vi mô
Florent Bédécarrats – Ủy ban trao đổi nghiên cứu và thông tin
về các hệ thống tiết kiệm-tín dụng, Axel Demenet – IRD-DIAL,
Christophe Jalil Nordman – IRD-DIAL, Laure Pasquier-Doumer –
IRD-DIAL, François Roubaud – IRD-DIAL, Phùng Đức Tùng – Viện
Nghiên cứu phát triển Mê Kông, Bertrand Savoye – AFD

(Nội dung gỡ băng)

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

Ngày 1, sáng thứ Hai ngày 22
tháng 7
Giới thiệu giảng viên và học viên (xem phần
lý lịch giảng viên và danh sách học viên ở
cuối chương)
[Laure Pasquier-Doumer]
Chúng tôi sẽ đề cập vấn đề đánh giá tác động
trong trường hợp đặc thù là tài chính vi mô.
Mục tiêu của lớp chuyên đề này là giúp các
bạn làm quen với những bước đánh giá tác
động, nắm bắt được cuộc tranh luận hiện
nay về tài chính vi mô trong mối quan hệ với
nguy cơ nghèo đói.

- hôm nay, chúng tôi sẽ đề cập các thách
thức của đánh giá tác động và những khó
khăn về mặt phương pháp luận của nó, đặc

biệt là việc tìm kiếm giá trị đối chứng và lựa
chọn nhóm đối chứng. Kết thúc ngày hôm
nay, chúng tôi sẽ giới thiệu các phương
pháp đánh giá định lượng chính – phương
pháp thực nghiệm và bán thực nghiệm;
- thứ ba ngày 23 tháng 7. Chúng tôi sẽ phân
tích vấn đề lựa chọn phương pháp đánh giá
trên cơ sở các công cụ kinh tế lượng vi mô
khác nhau để đánh giá tác động của một
dự án, ngoài ra cũng phải tính đến địa bàn
thực hiện cũng như những điều kiện ràng
buộc của dự án. Các phương pháp định
lượng mà chúng tôi trình bày là phương

Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

[269]


pháp ghép cặp và các phương pháp khai
thác dữ liệu thời gian tuyến tính. Các vấn
đề về khái niệm, thể chế và phương pháp
luận liên quan đến đánh giá tác động sẽ
được minh họa qua ví dụ của chương trình
135 về xóa đói giảm nghèo, nội dung này
được trình bày vào cuối buổi sáng, sau
đó chúng ta sẽ chuyển sang hội trường
lớn để nghe bài giảng từ Paris truyền qua
video-conference về những đặc thù của
việc đánh giá tác động các chương trình tài

chính vi mô;
- nội dung buổi sáng thứ tư sẽ là những khó
khăn của một nghiên cứu đánh giá tác
động trong lĩnh vực tài chính vi mô, tiếp
theo đó là vấn đề chuyển từ câu hỏi nghiên
cứu sang dạng bảng hỏi điều tra;
- hai ngày cuối cùng sẽ dành cho bài tập thực
hành. Lớp học chia thành hai nhóm : nhóm
thứ nhất làm bài thực hành với phần mềm
Stata – ứng dụng các phương pháp ghép
cặp, khác biệt kép, biến công cụ, phân tích
kết quả và đánh giá ba phương pháp này – ;
nhóm hai, dựa trên dữ liệu và thông tin từ
hai đánh giá tác động (Al Amana và Adéfi),
sẽ xác định các tiêu chí dựa theo đó để xây
dựng đánh giá và phân tích các tác động
được trông chờ của chương trình và chuỗi
nguyên nhân-kết quả giữa các sản phẩm
của chương trình và tác động của chúng
–  xác định các vấn đề đặt ra, lựa chọn
phương pháp, bảng hỏi, phân tích kết quả,
hạn chế và triển vọng, thảo luận để xây
dựng khung đánh giá tác động.
Kết quả của mỗi nhóm sẽ được trình bày
trước lớp, sau đó chuẩn bị báo cáo thu
hoạch để trình bày vào thứ Bảy ngày 27
tháng 7.

2.3.1. Các thách thức của đánh
giá tác động: từ đánh giá nhu cầu

tới phân tích chi phí-lợi nhuận.
Cần trả lời những câu hỏi nào khi
thực hiện đánh giá?
Từ đầu những năm 2000, đánh giá tác động
là một vấn đề trọng tâm của chính sách công:
các mục tiêu phát triển thiên niên kỷ (MDGs)
và tài liệu chiến lược về giảm nghèo (DSRP)
đều coi đánh giá tác động – cùng với việc
giám sát – là một nội dung chính thức.
Các nguyên tắc mới của viện trợ phát triển
(ODA) – tiêu chí lựa chọn, hỗ trợ ngân sách,
tiếp quản dự án, v.v... – cũng đều dựa trên
kết quả nghiên cứu đánh giá tác động (xem
thêm Tuyên bố, OECD, 2005). Hơn nữa, trên
quan điểm nghiên cứu và phương pháp luận,
nhiều công cụ mới cũng đã được phát triển
phục vụ cho công tác đánh giá.
Đánh giá chính sách còn quan trọng hơn nữa
ở các nước đang phát triển, vì ở các nước này
nguồn lực còn hạn chế trong khi nhu cầu
lại rất lớn. Vấn đề là dù nhu cầu ngày càng
tăng nhưng những đánh giá tác động vẫn
chưa được coi là nội dung chính trong việc
thực hiện các chính sách phát triển. Văn hóa
đánh giá tác động một cách chặt chẽ vẫn
còn trong giai đoạn chập chững. Lý do là bởi
người ta cho rằng đánh giá tác động quá tốn
kém, phức tạp và đôi khi không chính xác.
Tuy nhiên:
- chi phí đánh giá nhìn chung chỉ chiếm một

phần rất nhỏ trong tổng chi phí thực hiện
dự án, trong khi đó, việc thực hiện đánh giá
giúp tránh lãng phí nguồn lực khi đầu tư
vào các dự án không hiệu quả;
- khó khăn về kỹ thuật thực tế không phải
là nhỏ, nhưng có thể giải quyết được một

[270] Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD


phần nếu xây dựng được một kế hoạch
chặt chẽ ngay từ đầu và được sự ủng hộ từ
phía các cơ quan lãnh đạo;
- thực hiện đánh giá tác động sẽ giúp cải
thiện, thiết kế xây dựng dự án hiệu quả hơn,
hoặc hủy bỏ các chương trình xây dựng
không hiệu quả (không thực sự hướng
tới đối tượng mục tiêu, lãng phí nguồn
lực, v.v...). Kiến thức tổng hợp được từ các
nghiên cứu đánh giá tác động sẽ là một
nguồn tài sản chung, có thể huy động khi
xây dựng các chương trình và dự án mới.
Cần phân biệt hai cách tiếp cận trong đánh
giá định lượng các chính sách:
- « vi mô » và ex post – phương pháp chủ
động – : đánh giá tác động dựa trên dữ liệu
vi mô và các phương pháp thực nghiệm
hoặc bán thực nghiệm; có thể áp dụng để
đánh giá các chương trình mục tiêu như
chương trình an sinh xã hội (safety nets),

chương trình hòa nhập xã hội, v.v.
- « vĩ mô » và ex ante – phương pháp quy
chuẩn – : mô hình mô phỏng trên cơ sở
phân tích giá trị đối chứng (EGC) dựa trên
các nhóm hộ gia đình đại diện, có thể áp
dụng vào các chính sách thương mại, chính
sách thuế, các chương trình cải cách cơ cấu,
v.v...
Bây giờ chúng ta sẽ tập trung vào nhóm
phương pháp đánh giá tác động thứ nhất.
Đánh giá tác động là một trong các bước cần
thực hiện của một nghiên cứu đánh giá tác
động hoàn chỉnh bao gồm ba mảng: đánh
giá nhu cầu (đâu là đối tượng mục tiêu? đánh
giá bản chất vấn đề cần giải quyết? chương
trình được thực hiện trong khuôn khổ nào?
các nhu cầu khác là gì?); đánh giá tiến trình
thực hiện (các dịch vụ có được cung cấp?

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

là chương trình tác động tới đối tượng thụ
hưởng như thế nào, chương trình có mang
lại những lợi ích mong đợi không, những
tác động đó liệu có thể xảy ra nếu không có
chương trình, các nguồn lực có được sử dụng
hiệu quả hay không, v.v.
Kết quả phân tích chi phí-lợi ích là kết quả của
ba bước phân tích này: đánh giá chi phí trong
tương quan với lợi ích của chương trình và
việc sử dụng hay không sử dụng nguồn vốn
cam kết.
Minh họa từ chương trình Sky triển khai
tại Campuchia
Tài chính vi mô bao gồm cả tiết kiệm vi mô,
bảo hiểm vi mô và tín dụng vi mô; Sky là một
chương trình bảo hiểm vi mô.
Đây là một chương trình bảo hiểm y tế vi mô
được GRET – Tổ chức nghề nghiệp đoàn kết
và hợp tác quốc tế – và Bộ y tế Campuchia
bắt đầu thực hiện vào năm 1998. Chương
trình đặt mục tiêu đảm bảo an toàn kinh tế
cho các hộ gia đình nông thôn thông qua hỗ
trợ họ tiếp cận với các dịch vụ chăm sóc y tế
phù hợp và có chất lượng, thành lập một cơ
quan địa phương để tiếp quản chương trình
này sau khi GRET rút đi.

Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

[271]

Bối cảnh chung của chương trình trong
những năm 2000:
- thiếu chính sách bảo hiểm y tế, tuy nhiên
người nghèo được miễn viện phí khi khám
chữa bệnh ở các cơ sở y tế công;
- hệ thống y tế công không đủ ngân sách
hoạt động, cán bộ nhân viên y tế thiếu hụt
và được trả lương thấp; chịu sự cạnh tranh
từ các cơ sở y tế tư nhân hoạt động thiếu
kiểm soát;
- hệ thống cung cấp dịch vụ y tế công được
tăng cường dần thông qua chính sách ký
hợp đồng contracting của các trạm y tế với
các tổ chức phi chính phủ NGO;
- chính sách bảo hiểm y tế cũng dần được
phát triển từ năm 2003 (quỹ hỗ trợ người
nghèo; bảo hiểm y tế tự nguyện cho khu
vực phi chính thức và chế độ bảo hiểm xã
hội bắt buộc đối với khu vực chính thức).
Đặc điểm của chương trình:
- Đóng bảo hiểm gia đình (sổ bảo hiểm có
dán ảnh) hàng tháng với mức 4,5 USD/
người/năm đối với khu vực nông thôn và
19 USD/người/năm ở Phnom Penh.
- Đóng phí bảo hiểm hàng tháng.
- Được sử dụng miễn phí tất cả các dịch vụ y
tế ở các trung tâm y tế, bệnh viện công của
huyện và tỉnh; hỗ trợ chi phí vận chuyển và

mai táng.
- Thanh toán cho các trung tâm y tế và bệnh
viện huyện theo đầu bệnh nhân.
- Hoàn bảo hiểm theo gói cho các bệnh viện
tỉnh.
Bây giờ chúng ta sẽ cùng thực hiện đánh giá
nhu cầu và đánh giá tiến trình tác động.
Theo các bạn, ai là đối tượng mục tiêu của
chương trình này?

Lê Nguyễn Duy Oanh
Tôi nghĩ đối tượng của chương trình này là
người nghèo nông thôn; nhu cầu cần thỏa
mãn ở đây là nhu cầu cải thiện sức khỏe của
những người có khó khăn về kinh tế.
Bùi Thị Hương Trầm
Tôi nghĩ ở đây là toàn bộ các hộ gia đình ở
nông thôn.
Phạm Minh Tiến
Chương trình này nhằm hoàn thiện công
cụ bảo hiểm tại Campuchia, và có liên quan
đến cả những người làm việc trong lĩnh vực
bảo hiểm.
[Laure Pasquier-Doumer]
Để đánh giá nhu cầu, cần phải đặt một câu
hỏi: hiện đã có chương trình bảo hiểm nào
chưa? Chương trình này có trùng với chương
trình nào đang triển khai hay không? Theo ý
kiến chúng tôi, người nghèo đã được hưởng
chính sách miễn tiền khám chữa bệnh từ

hệ thống các cơ sở y tế nhà nước rồi. Như
vậy, đối  tượng mục tiêu của chương trình
không  phải là toàn bộ các hộ gia đình mà
chỉ là những cá nhân thuộc diện cận nghèo,
tức  là những người có nguy cơ tái nghèo
nếu  phải gặp một sự cố nào đó. Mục tiêu
khác của chương trình là xây dựng một cơ
chế bảo hiểm lâu dài, tức là có thể tự chủ
về tài chính sau khi chương trình kết thúc.
Đối tượng mục tiêu của chương trình phải
được tiếp cận với các phương tiện đầy đủ để
thanh toán bảo hiểm và đạt được mục tiêu
thứ hai là đảm bảo tính bền vững cho cơ chế
bảo hiểm tại địa phương.
Một khó khăn nữa đối với lĩnh vực bảo hiểm
là lựa chọn theo chiều ngược lại: không nên
để xảy ra tình trạng là chỉ những người có

[272] Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD


vấn đề về sức khỏe mới đi đăng ký bảo hiểm.
Cơ chế bảo hiểm phải làm sao thu hút được
cả người bệnh, người biết mình có bệnh và

Sơ đồ

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

26 Đối tượng hướng tới

Dân s chung

+ khá gi
(15%)

B o hi m t

nhân

Trung l u
B o hi m vi mô

50%
C n nghèo

+ nghèo

i tác SKY và
các qu ng
i nghèo

(35%)

SKY = D ch v b o hi m y t cho ng i dân thu c khu v c
phi chính th c
Nguồn: GRET.

Một khó khăn nữa ở bước đánh giá nhu cầu là
phải tìm câu trả lời cho các câu hỏi sau:
- Đâu là bản chất của vấn đề cần giải quyết?
• Đảm bảo an toàn kinh tế cho các hộ nông
thôn như thế nào? Làm sao để tránh tình
trạng vấn đề sức khỏe sẽ tác động tới kinh
tế gia đình họ, như giảm thu nhập hoặc nợ
nần?
• Làm thế nào để giúp người dân tiếp cận
một cách thuận lợi với các dịch vụ y tế phù
hợp và chất lượng?
• Làm thế nào để hình thành một cơ chế
bảo hiểm y tế lâu dài? Tác nhân nào cần
phải tham gia vào chương trình? Xây dựng
chương trình ra sao để đảm bảo vừa hiệu
quả về kinh tế vừa đảm bảo mức bảo hiểm
hợp lý đối với đối tượng hướng tới của
chương trình?

- Khuôn khổ của chương trình?
• Có tình trạng thiếu hụt hay không? Hộ gia
đình nào chưa có bảo hiểm y tế?
• Đã có chương trình nào đáp ứng nhu cầu
này chưa?
• Còn nhu cầu nào khác hay không?
• Nếu đáp ứng được những nhu cầu đó thì
sẽ có những lợi ích gì? Các biến cố về sức
khỏe có phải là nguyên nhân của tình trạng
dễ bị tổn thương hay không? Hiện nay ở
Campuchia còn những nhu cầu cơ bản nào

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

Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

[273]


Khung

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

Đối tượng nhắm tới của chương trình phải được xác định rõ.
- Các hộ gia đình dễ bị tổn thương, đang phải đối mặt với nguy cơ nợ nần hoặc thua lỗ,
mất vốn
- Các hộ gia đình có thể đóng phí bảo hiểm.
- Các hộ gia đình có nguy cơ mắc bệnh ít hơn hơn các hộ gia đình khác
Xây dựng chương trình phải rõ ràng.
- Các dịch vụ nào đang thiếu?
- Cung cấp như thế nào? Cung cấp bao nhiêu? Có thể gặp những trở ngại gì?
Hình dung được những lợi ích mà chương trình có thể mang lại.
- Chương trình có bù đắp được tình trạng thiếu hụt hay không ? Lợi ích có được mở rộng
hay không?
Các giải pháp thay thế cũng phải được tính tới.
- Bảo hiểm vi mô có phải là giải pháp hiệu quả nhất, mang lại lợi ích kinh tế lớn nhất trong
việc giảm thiểu mức độ dễ bị tổn thương của các hộ gia đình nông thôn và nâng cao chất
lượng dịch vụ y tế hay không?

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

Khung

22 Đánh giá tiến trình thực hiện

Các dịch vụ có được cung cấp?
- Chất lượng dịch vụ khám chữa bệnh của các trung tâm y tế?
- Nguyên tắc miễn phí và bên thứ ba thanh toán có được áp dụng đối với mọi trường hợp
hay không?
Tổ chức Gret, Bộ Y tế và các trung tâm y tế phối hợp với nhau như thế nào?
- Bộ Y tế có tham gia trực tiếp vào chương trình?
Bảo hiểm vi mô có đến được với đối tượng mục tiêu của chương trình hay không?
- Những người dễ bị tổn thương nhất có đăng ký mua bảo hiểm hay không?
- Tỷ lệ tham gia bảo hiểm có cao không?
- Chương trình chỉ thu hút được những người có vấn đề về sức khỏe?
- Ai không tiếp tục tham gia chương trình?
- Đâu là các yếu tố quyết định việc mua bảo hiểm, có khả năng áp dụng bảo hiểm rủi ro
đồng chi trả hay không?
Các hộ gia đình có hài lòng về chương trình bảo hiểm của họ và dịch vụ chăm sóc y tế
không?
Chương trình có tiếp tục đứng vững được không?
- Phí bảo hiểm có được nộp đều không?
- Mức hoàn bảo hiểm có được như mong đợi không?

[274] Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD


Chúng tôi giới thiệu bước đánh giá nhu cầu

và đánh giá tiến trình thực hiện nhằm giúp
các bạn phân biệt hai bước này với bước
đánh giá tác động.
Vậy theo các bạn, đâu là những câu hỏi cần
đặt ra để đánh giá tác động của chương trình
Sky?
Ngô Văn Huấn
Những thay đổi trong thói quen khám chữa
bệnh của người dân ? Kết quả giảm nghèo
như thế nào? Chương trình có góp phần
nâng cao năng lực quản lý của hệ thống y tế
ở Campuchia ? Chương trình có giúp giảm
bất bình đẳng trong tiếp cận dịch vụ y tế hay
không?

Còn lại, bạn hoàn toàn có lý khi đặt câu hỏi về
chất lượng của hệ thống y tế cung cấp dịch
vụ chăm sóc.
Lê Thị Hằng Giang
Chương trình hướng tới mục tiêu giảm mức
độ dễ bị tổn thương của các hộ gia đình, do
đó tôi sẽ đặt các câu hỏi sau: số người mắc nợ
hoặc phải bán tài sản để có tiền chữa bệnh
có giảm hay không? Nguyên nhân giảm là do
chương trình hay do những người đó đã tự
cải thiện được đời sống của mình ? Có cách
nào khác để giảm bớt được số người phải
mắc nợ hoặc bán tài sản để chữa bệnh hay
không?
[Laure Pasquier-Doumer]

[Laure Pasquier-Doumer]

Những câu hỏi của bạn đều hay.

Bạn đặt câu hỏi là chương trình có góp phần
giảm nghèo và giảm bất bình đẳng trong
tiếp cận dịch vụ y tế hay không. Nhưng đây
không  phải là mục tiêu của chương trình.
Mục tiêu chương trình hướng tới là giảm
thiểu mức độ dễ bị tổn thương. Tức là số
người phải mắc nợ hoặc bán tài sản để trả
tiền khám chữa bệnh sẽ giảm đi. Như vậy,
kết  quả mong  đợi là số người dễ bị tổn
thương do vấn đề chăm sóc y tế sẽ giảm đi.

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

Khung

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

23 Đánh giá tác động

Câu hỏi mấu chốt: bảo hiểm vi mô có tác động tới sức khỏe và kinh tế hộ gia đình?
Các câu hỏi liên quan:
- Đâu là hiệu quả của chương trình bảo hiểm y yế vi mô đối với việc giảm bớt các rủi ro
kinh tế liên quan đến tình trạng bệnh tật?
- Các hộ gia đình phản ứng thế nào trước các mức phí bảo hiểm khác nhau?
- Việc mở rộng chương trình bảo hiểm có tác động gì tới chất lượng dịch vụ của các cơ sở
y tế công?

Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

[275]


Bây giờ chúng ta sẽ xem xét đặc thù của lĩnh
vực tài chính vi mô trong đánh giá tác động.
Từ khoảng 30 năm trở lại đây, lĩnh vực tài
chính vi mô, đặc biệt là tín dụng vi mô được
coi là công cụ của chính sách xóa đói giảm
nghèo –  trường hợp quỹ tín dụng vi mô
Grameen Bank của Bangladesh là ví dụ điển
hình.
Bắt đầu từ những năm 2000, tài chính vi mô,
đặc biệt là tín dụng vi mô tăng trưởng theo
cấp số nhân –13 triệu khách hàng năm 1997
và hơn 190 triệu khách hàng vào năm 2009.
Đâu là lý do giải thích cho sự tăng trưởng
này? Ba lý lẽ có thể giải thích cho hiện tượng
này:
- mang đến cho người nghèo cơ hội phát

triển phương tiện sản xuất;
- giúp người nghèo giảm được mức độ
dễ bị  tổn thương và tránh bị rơi vào bẫy
nghèo đói;
- « tăng cường quyền lực - empowerment »
cho phụ nữ, từ đó đầu tư nhiều hơn vào
chăm sóc sức khỏe và giáo dục con cái, hạn
chế được tình trạng nghèo đói cha truyền
con nối.
Tuy nhiên, từ năm 2010, người ta đặt vấn đề
xem xét lại quan điểm này, các ý kiến đặc biệt
xoay quanh tác động của tài chính vi mô và
nhất là tác động của tín dụng vi mô:

- những người cho vay nặng lãi khiến các hộ
gia đình nghèo rơi vào tình trạng mắc nợ
quá nhiều (ví dụ trường hợp nhiều nông
dân Ấn Độ phải tự tử vì nợ nần);
- lãi suất cao và không minh bạch;
- khách hàng không phải là người nghèo.
Như vậy, hiện đang có tranh luận về các vấn
đề này và nhu cầu thực hiện các nghiên cứu
đánh giá tác động một cách bài bản để xác
định liệu các thiết chế tài chính vi mô này
có đến được với người nghèo (hoặc người
nghèo nhất) hay không và liệu rằng các dịch
vụ cung cấp có góp phần giảm nghèo và
mức độ dễ bị tổn thương của đối tượng mà
các dịch vụ này nhắm tới hay không.
Hoạt động tiến hành hàng ngày của các

thiết chế tài chính vi mô phải được hỗ trợ
và ủng hộ. Tuy vậy, việc phân loại nghèo
đói của các  nhà tài trợ/các nhà nghiên cứu
không phải lúc nào cũng trùng khớp với thực
tế (những người không tiếp cận được với
hệ thống ngân hàng, người dân nông thôn
vùng sâu vùng xa, nông dân, phụ nữ, v.v.);
thêm nữa, thời gian thực hiện một đánh giá
tác động thường kéo dài, không phù hợp với
nhịp triển khai dịch vụ của các thiết chế tài
chính vi mô (vốn ngắn hơn).
Trong tuần này chúng ta sẽ tìm hiểu đâu là
những kết quả kéo theo của những lợi ích
khác nhau này trong một nghiên cứu đánh
giá tác động.

[276] Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD


Ngày 1, chiều thứ Hai ngày 22
tháng 7
2.3.2. Khó khăn về phương pháp
luận trong đánh giá tác động:
tìm kiếm một đối chứng, lựa chọn
một nhóm đối chứng
[Christophe Jalil Nordman]
Bây giờ chúng ta sẽ tìm hiểu cách thức tìm
kiếm, xác định và lựa chọn nhóm đối chứng.
Sáng nay chúng ta đã nhắc đến sự cần thiết
phải xác định tác động của một dự án phát

triển tới một kết quả mà chúng ta cần phải
đánh giá.
Để xử lý các vấn đề liên quan tới tác động,
cần phải đánh giá được kết quả của một
chương trình bằng cách đặt nó ở ngoài tất
cả các yếu tố khác có thể có tác động tương

Biểu đồ

tự. Các vấn đề này không thể xử lý chỉ bằng
cách đánh giá kết quả của dự án. Tại sao? Trên
thực tế, tác động chính là chênh lệch của kết
quả thu được khi thực hiện chương trình và
khi không thực hiện chương trình. Tuy nhiên,
cái khó là ta không thể cùng một lúc quan
sát một đối tượng ở hai trạng thái khác nhau.
Cụ thể, khi ta quan sát một chỉ số sau khi thực
hiện chương trình, ta không thể đồng thời
quan sát được chỉ số đó khi không có chương
trình, tức là ở đây, giá trị đối chứng là không
quan sát được.
Tình huống này không có trong thực tế,
nhưng người thực hiện đánh giá sẽ tìm cách
xây dựng lại để thực hiện nghiên cứu đánh
giá của mình. Việc tìm kiếm giá trị đối chứng
có thể tóm tắt trong một câu hỏi : người tiếp
nhận chương trình sẽ ra sao nếu không có
chương trình?

40 Quan sát biến kết quả…

Nguồn: tác giả.

Ở đây, trục tung biểu diễn giá trị kết quả của
chương trình YB. Trục hoành biểu diễn biến
thời gian, t=0. Ở giá trị t=0, biến kết quả được

đo bằng giá trị YB. Khi quan sát giá trị t=0, là
giá trị khi không có chương trình.

Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

[277]


Biểu đồ

41 … và giá trị tăng sau khi thực hiện chương trình

Nguồn: tác giả.

Một chương trình được thực hiện trong
khoảng thời gian t=0 và t=1, ta có kết quả
mới YP. Có thể quan sát thấy biến kết quả tăng
trong khoảng thời gian trước và sau khi thực

Biểu đồ

hiện chương trình. Vậy kết quả của chương
trình có phải là chênh lệch giữa hai kết quả

này hay không?

42 Xác định giá trị đối chứng…

Nguồn: tác giả.

Giá trị đối chứng là tình trạng của những
người không tham gia chương trình. Có thể
các cá nhân không tham gia chương trình có
biến kết quả được đo ở giá trị Y*P, cao hơn giá
trị YP kể cả khi không có chương trình. Đối với

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

[278] Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD


Biểu đồ

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

Nguồn: tác giả.

Tác động của chương trình như vậy không
phải là chênh lệch của hai giá trị YP và YB mà
là giữa hai giá trị YP và Y*P. Để đánh giá tác

Biểu đồ

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

44 Ví dụ chính sách tạo việc làm
Vi c làm

Jccs

Khi có chính sách
Ảnh h ng riêng
c a tác ng b t ng
Jkcs

Khi không có
chính sách

N mc s

Tác ng
b t ng

Thay i
tình hình
(tác ng thô)

ánh giá

Nguồn: tác giả.

Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

[279]


Ở đây, trục tung biểu diễn tỷ lệ lao động có
việc làm của một nước và trục hoành biểu
diễn biến thời gian. Lấy mốc thời gian là năm
làm cơ sở, tỷ lệ lao động có việc làm có giá
trị J0, giá trị này tăng lên mức có thể tương
đương với kết quả thu được sau khi triển khai
chính sách tạo việc làm. Tỷ lệ lao động có việc
làm – giá trị đối chứng – là tỷ lệ những người
có việc làm không phải là đối tượng liên quan
đến chính sách tạo việc làm. Giữa hai mốc thời
gian này, nhiều người thất nghiệp tìm được
việc làm hoàn toàn không phải nhờ chính
sách tạo việc làm được triển khai. Ở đây, cần
hiểu rằng nếu đánh giá tác động của chính
sách tạo việc làm bằng cách tính toán chênh
lệch của hai giá trị Javec (avec là từ tiếng Pháp
tương đương với with trong tiếng Anh) và J0,
chúng ta không chỉ đánh giá tác động của
chính sách tạo việc làm mà cả các yếu tố khác
xảy ra ở thời điểm thực hiện chương trình.
Vấn đề đặt ra với người thực hiện đánh giá
là xác định được hoàn cảnh đối chứng này, vì
cần phải xác định được tỷ lệ việc làm tại quốc

gia không có chính sách việc làm cùng lúc khi
quốc gia đã có chính sách tạo việc làm.
Để đảm bảo xác định chính xác bài bản, khi
đánh giá tác động cần phải đánh giá được giá
trị đối chứng, tức là phải trả lời được câu hỏi:
điều gì xảy ra nếu không có chương trình?
Việc này nhìn chung thực hiện được khi sử
dụng nhóm đối chứng – tức là các cá thể
không tham gia chương trình – nhóm này
sẽ được so sánh với nhóm xử lý (nhóm tham
gia chương trình) – tức là các cá thể được thụ
hưởng chương trình. Các cá thể thuộc nhóm
đối chứng chỉ khác các cá thể trong nhóm xử
lý ở một điểm duy nhất là việc họ có tham gia
chương trình hay không.

Xác định giá trị đối chứng là trọng tâm của các
phương pháp đánh giá tác động
Ta có thể phân loại các phương pháp xây
dựng giá trị đối chứng và nhóm đối chứng
như sau:
• phương pháp thực nghiệm (ngẫu nhiên);
• phương pháp phi thực nghiệm: ghép cặp
(matching), khác biệt kép (diff-in-diff), mô
hình lựa chọn và biến công cụ;
• phương pháp lý thuyết ex ante.
Ban đầu, khung thống kê tổng quát phù hợp
với quá trình đánh giá được các chuyên gia
thống kê phát triển nhằm sử dụng trong
đánh giá tác động của các biện pháp can

thiệp y sinh – đặc biệt là dịch tễ học. Hiện
nay, các công cụ này đã được phát triển vượt
ngoài phạm vi áp dụng trong các thử nghiệm
lâm sàng. Đặc biệt, các khái niệm và phương
pháp này được sử dụng thường xuyên trong
lĩnh vực kinh tế lượng vi mô để phân tích tác
động của các chương trình dạy nghề và hỗ
trợ xã hội, nhất là ở Mỹ.
Khung thống kê tổng quát phù hợp với việc
đánh giá tác động được phát triển từ mô hình
chuỗi nguyên nhân-kết quả Rubin (1974).
Mô hình này cho phép xác định rõ tác động
mang tính nhân quả của chính sách cần đánh
giá và bản chất sai số lựa chọn. Hai đặc điểm
quan trọng của tác động nguyên nhân-kết
quả, hiểu theo định nghĩa dựa trên lý thuyết
thống kê, là tính không thể quan sát và tính
không đồng nhất của quần thể. Tính không
thể quan sát của tác động nguyên nhân-kết
quả buộc các nhà phân tích phải đặt ra các
giả thiết để từ đó xác định được một số tham
số trong phân bố chuỗi tác động nguyên
nhân-kết quả.

[280] Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD


Việc tiếp cận với chương trình – tức là yếu
tố được xử lý – được biểu diễn bằng biến số
ngẫu nhiên T, có giá trị bằng 1 nếu cá thể có

tham gia chương trình và bằng 0 nếu cá thể
không tham gia chương trình. Hiệu quả của
chương trình được đo bằng hai biến kết quả
tiềm ẩn là Y1 và Y0 tùy theo trường hợp cá thể
có tham gia (được xử lý) hay không tham gia
(không được xử lý) chương trình tức là (T=1)
hoặc (T=0).
- Các biến này tương ứng với kết quả tiềm ẩn
của chương trình.
- Các biến này không thể đồng thời quan sát
được trên cùng một cá thể.
- Đối với mỗi cá thể tham gia (được xử lý), Y1
quan sát được còn Y0 không quan sát được.
- Trong trường hợp này, biến Y0 tương ứng
với kết quả có thể có nếu cá thể không
được xử lý (giá trị đối chứng).
- Trái lại, đối với một cá thể không được xử lý,
ta quan sát được biến Y0, còn biến Y1 không
quan sát được.
Biến kết quả được quan sát có thể được
suy ra từ các biến tiềm năng và biến T theo
phương trình:
Y = T Y1 + (1–T)Y0
Chỉ có cặp biến (Y,T) là quan sát được đối với
mỗi cá thể.
Tác động nguyên nhân-kết quả của chương
trình tới mỗi cá nhân được đo theo công thức:
Δ = Y1 – Y0
Kết quả này là hiệu số của kết quả có thể có
nếu cá nhân tham gia chương trình (được

xử  lý) và kết quả có thể có nếu cá nhân
không  tham gia chương trình. Như vậy tác

động nguyên nhân-kết quả có hai đặc điểm
quan trọng: tính không thể quan sát, vì với mỗi
cá thể, ta chỉ có thể quan sát được một trong
hai biến tiềm năng; tính cá thể, và từ đó ta
thấy có sự phân bố tác động nguyên nhânkết quả trong quần thể.
Sự phân bố tác động nguyên nhân-kết quả
không thể xác định được. Tuy nhiên, từ các
giả thiết về quy luật kết nối của (Y0, Y1, T), ta có
thể xác định được vài tham số trên cơ sở mật
độ của các biến quan sát được (Y, T). Ngoài ra,
có hai tham số phải tính toán riêng:
- mức tác động bình quân của chương trình
trong toàn bộ quần thể:
ΔATE = E(Y1 – Y0)
- mức độ tác động bình quân của chương
trình đối với nhóm các cá thể được xử lý:
ΔATT = E(Y1 – Y0 | T=1)
Hai tham số này chỉ bằng nhau theo một số
giả thiết rất giới hạn, đặc biệt là nếu các biến
kết quả độc lập với biến tham gia chương
trình, tức là nếu (Y0, Y1) T, ta có thể xác định
được hai biến lợi ích ΔATE et ΔATT đã được nhắc
đến ở trên. Trên thực tế, nếu điều kiện (đủ)
này được thỏa mãn, giá trị của hai biến lợi ích
này sẽ là:
ΔATE = ΔATT = E(Y | T=1) – E(Y | T=0)
Trong trường hợp này, hai tham số bằng

nhau và có thể tính được dễ dàng bằng cách
tìm chênh lệch giữa mức bình quân của các
biến kết quả quan sát được trong nhóm cá
thể được xử lý và nhóm cá thể không được
xử lý.

Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

[281]


Khi điều kiện độc lập của biến không được
thỏa mãn, hàm ước lượng tự nhiên, được
hình thành bởi hiệu số các giá trị trung bình
của biến kết quả, sẽ chịu ảnh hưởng của sai
số lựa chọn:
E(Y | T=1) – E(Y | T=0)
= E(Y1 | T=1) – E(Y0 | T=0)
= E(Y1 | T=1) – E(Y0 | T=1) + E(Y0 | T=1) – E(Y0 | T=0)
= ΔATT + BATT
Giá trị của sai số lựa chọn được tính theo
công thức:
BATT = E(Y0 | T=1) – E(Y0 | T=0)
Sai số này bắt nguồn từ việc mức xuất phát
điểm trung bình của các cá thể được xử lý
khi không có chương trình không giống
với mức xuất phát điểm trung bình của các
cá thể hoàn toàn không tham gia chương
trình. Có sai số này là bởi hai quần thể không
hoàn toàn tương đồng, trừ trường hợp thực

nghiệm thuần, đã loại trừ hoàn toàn các yếu
tố ngoại lai.

Sơ đồ

Lựa chọn nhóm đối chứng: minh họa
từ chương trình PDUI ở Djibouti
[Laure Pasquier-Doumer]
Tôi muốn trình bày với các bạn những khó
khăn trong việc tìm kiếm nhóm đối chứng
qua trường hợp Dự án phát triển đô thị tổng
thể (viết tắt tiếng Pháp là PDUI) thực hiện tại
Djibouti: hạ tầng (đường giao thông, nước,
điện); công trình công cộng (đồn cảnh sát,
nhà chờ xe buýt, cơ sở dạy nghề); phát triển
cộng đồng (dạy nghề, hỗ trợ nghề nghiệp,
hỗ trợ quản lý). Dự án được thực hiện từ năm
2010 đến 2013 tại ba thôn của xã Balbala,
huyện Djibouti – 50.000 người dân liên quan
đến dự án, 60% người dân thất nghiệp, nhà
cửa đều lợp mái tôn, trong khi nhiệt độ cao
nhất ở nước này có thể lên tới 50°C. Với dự
án này, không thể thực hiện đánh giá theo
phương pháp ngẫu nhiên, vì thế chúng tôi
phải tìm kiếm nhóm đối chứng. Các tác động
mong đợi của chương trình liên quan tới
vấn đề việc làm, nhà ở, y tế và an toàn trật tự
công cộng.

27 Những tác động sau khi kết thúc dự án PDUI:

ví dụ về việc làm

S n ph m c a d án PDUI

K t qu c a d án PDUI

ào t o ngh
Tình tr ng vi c làm t t
h n cho thanh niên

H tr vi c làm

Kinh nghi m t th nghi m
HIMO

Tác ng trong ng n h n c a
d án PDUI
Ti p c n t t h n v i vi c
làm trong khu v c chính
th c

Gi m t l th t
nghi p và thi u
việc làm
Ti p c n vi c làm t t h n

ng giao thông

T ng thu nh p
H tr doanh nghi p

M r ng m ng l
i n

Thành l p các doanh nghi p
vi mô

i

Nguồn: tác giả.

[282] Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD


Mục đích của chúng tôi là thiết lập được bối
cảnh và trạng thái tham chiếu trước khi khởi
động dự án trên cơ sở điều tra hộ gia đình.
Vùng đối chứng phải có đặc điểm tương
đồng với đặc điểm xuất phát của vùng thực
hiện dự án tính ở thời điểm khởi động dự án,
xét trên các khía cạnh điều kiện sống và vị
trí địa lý, vùng đối chứng cũng phải là vùng
không tham gia chương trình.
Chúng tôi phát bảng hỏi cho 1.000 hộ – 700
hộ trong vùng dự án, 300 trong vùng đối
chứng; bảng hỏi gồm nhiều mô-đun, dành
cho các đối tượng khác nhau bao gồm chủ
hộ, người lớn, phụ nữ từ 15-49 tuổi.
Việc lấy mẫu phải làm sao bảo đảm được
tính đại diện của đối tượng nhắm tới, kiểm

soát được mẫu đối chứng có đặc điểm tương
đồng, đo được độ khác biệt tùy theo mức độ
tham gia vào chương trình. Ban đầu chúng

tôi lấy mẫu theo nhóm hộ từ 10-30 hộ; các
nhóm mẫu được phân loại theo ba tiêu chí:
khu vực dự án/khu vực đối chứng, điều kiện
nhà ở và vị trí địa lý/mức độ thuận tiện về giao
thông.
Điều tra thống kê điều kiện nhà ở được
thực hiện với bốn biến: vật liệu xây tường,
nước sạch, chiếu sáng và tình trạng sử dụng.
Chúng tôi tính điểm về điều kiện nhà ở cho
mỗi hộ ở Djibouti. Điểm trung bình tính được
sẽ cho phép phân loại các hộ theo ba mức
độ ổn định về nhà ở: ổn định, trung bình và
bấp bênh.
Chúng tôi dùng ảnh vệ tinh để xác định
tiêu chí thuận tiện về giao thông - tính toán
khoảng cách giữa khu vực và đường giao
thông, loại đường, xác định vị trí diện tích
đất ở.

Bản đồ 14 Xác định vị trí diện tích đất ở và bản đồ vệ tinh để xác định
vùng đối chứng và các tiêu chí về mức độ thuận tiện về
giao thông

Nguồn: PDUI.

Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

[283]


Bản đồ 15 Phân loại theo mức độ thuận tiện đường giao thông

Nguồn: PDUI.

Chúng tôi sử dụng dữ liệu vệ tinh trong hệ
thống thông tin địa lý (GIS) để định vị các
con đường giao thông chính và vị trí của các
nhóm hộ. Mức độ thuận tiện về giao thông
được đo bằng khoảng cách trung bình từ
mỗi nhóm hộ tới các trục đường chính có
phương tiện giao thông công cộng. Các
nhóm hộ được phân loại theo ba cấp độ
thuận tiện về giao thông đi lại. Phân loại như
vậy sẽ giúp đo được mức độ tham gia hoặc
có liên quan đến chương trình.
Cái khó đối với chúng tôi là chỉ đảm bảo
kiểm soát được đối với các đặc điểm liên
quan một  phần tới dự án, như nhà ở hoặc
mức độ  thuận tiện về giao thông/vị trí địa

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

ngôn ngữ sẽ làm sai lệnh giá trị ban đầu của
Y0, tức là kết quả có thể có nếu các cá thể
không tham gia chương trình. Với điều tra
này, chúng tôi xác định từ đầu là hai nhóm
có đặc điểm giống nhau nhưng sẽ có các dữ
liệu/yếu tố không quan sát và cũng không đo
đếm được. Các khác biệt này có thể làm sai
lệch kết quả; đây là một điểm khó giải quyết
đối với một nghiên cứu đánh giá tác động.

[284] Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD


[Phùng Đức Tùng]
Nhìn chung các chương trình nhắm tới trước
hết là những nhóm dễ bị tổn thương và có
nguy cơ. Ở Việt Nam, nhiều chương trình
giảm nghèo được triển khai nhằm cung cấp
thẻ bảo hiểm y tế miễn phí cho hộ nghèo,
giảm học phí để tăng tỷ lệ đến trường và thời
gian đi học của con em gia đình nghèo. Tuy
nhiên, vấn đề là phải tìm ra được nhóm đối
chứng vì điều kiện sống của các hộ gia đình
rất khác nhau.
Ví dụ: tỷ lệ đi học của con em các hộ thuộc
nhóm đối chứng thông thường cao hơn tỷ
lệ thuộc nhóm xử lý/nhóm tham gia chương
trình, vì nhóm đối chứng thường là các hộ gia
đình có điều kiện hơn. Đối với các nhóm dân
tộc thiểu số, còn phải tính đến yếu tố ngôn

ngữ và mức độ thuận tiện về giao thông của
các thôn bản, vốn là hai trở ngại rất lớn.

Khung

2.3.3. Các phương pháp định
lượng chính (ex-post) nhằm
đánh giá tác động: phương pháp
thực nghiệm, bán thực nghiệm và
phi thực nghiệm
[Christophe Jalil Nordman]
Thực nghiệm có kiểm soát
Đánh giá tác động theo phương pháp thực
nghiệm có kiểm soát (còn gọi là phương pháp
thực nghiệm) được áp dụng nhằm mục đích
loại bỏ sai số lựa chọn bằng cách chọn mẫu
ngẫu nhiên (rút thăm) để chọn ra các cá thể
(hoặc nhóm cá thể) thụ hưởng chương trình.
Phương pháp này thường được coi là hiệu
quả nhất trong số các phương pháp đánh giá
tác động. Ưu điểm chính của kỹ thuật này là
dễ đọc kết quả: tác động của chương trình tới
kết quả đánh giá là mức chênh lệch giữa kết
quả bình quân của các mẫu trong nhóm mục
tiêu và nhóm đối chứng.

24 Ví dụ chương trình triển khai tại Kenya

Dự án phát sách giáo khoa cho 25 trường tiểu học ở nông thôn Kenya năm 1996 (Glewwe
et al., 2004). Đánh giá dự án phát sách giáo khoa ở Kenya được thực hiện theo phương pháp

lấy mẫu ngẫu nhiên tại các trường có thực hiện dự án, những người thực hiện đánh giá đã
tiến hành một điều tra cơ bản, lập nhóm đối chứng và sau đó triển khai dự án. Việc lập nhóm
đối chứng và nhóm mục tiêu đã giúp xác định rõ tác động của việc phát sách giáo khoa tới
kết quả học tập của học sinh.

Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

[285]


Về kỹ thuật thực hiện, nguyên tắc áp dụng
cũng giống với nguyên tắc trong thử nghiệm
y sinh – kê thuốc điều trị cho một số bệnh
nhân được lựa chọn ngẫu nhiên và không
phát thuốc cho nhóm còn lại.
Trong nghiên cứu đánh giá này, chúng tôi có
thêm một thuận lợi nữa là có thể lựa chọn
ngẫu nhiên các làng và cộng đồng được
hưởng lợi từ dự án, trong một số trường
hợp việc lựa chọn này không quá khó. Đối
với việc lựa chọn cá thể, cách làm phổ biến
nhất là trước hết những người có thể được
lựa chọn ngẫu nhiên phải được thông báo về
mục đích và nguyên tắc thực hiện của nghiên
cứu, người nào chấp nhận tham gia sẽ được
phân bổ vào hai nhóm – nhóm xử lý và nhóm
đối chứng – theo phương pháp rút thăm.
Để dễ hình dung đặc điểm và hạn chế của
phương pháp thực nghiệm có kiểm soát này,
ta xét thêm hai biến chỉ số sau đây:

–biến T* có giá trị bằng 1 khi cá thể được lựa
chọn để tham gia chương trình (và có giá trị
bằng 0 nếu không tham gia);
–biến S có giá trị bằng 1 khi cá thể được
phân vào nhóm xử lý bằng phương pháp
rút thăm ngẫu nhiên (và có giá trị bằng 0
nếu không được rút thăm).
Để loại bỏ sai số ngẫu nhiên, xác suất được
lựa chọn tham gia chương trình không được
bị ảnh hưởng bởi việc coi rút thăm là điều
kiện tham gia chương trình. Với điều kiện này,
chúng ta thấy tác động của biến T đối với các
cá thể được xử lý có giá trị là:
ΔATT = E(Y1 | T*=1, S=1) – E(Y0 | T*=1, S=0)
Nói cách khác, lợi ích bình quân của chương
trình đối với các cá thể mong muốn tham
gia có thể tính toán bằng cách tính hiệu số
chênh lệch giữa kết quả bình quân của các cá

thể thuộc nhóm xử lý và kết quả bình quân
của các cá thể thuộc nhóm đối chứng. Kết
quả bình quân của nhóm đối chứng là kết
quả bình quân của hoàn cảnh đối chứng,
được tính bằng E(Y0 | T=1) đối với trường hợp
phi thực nghiệm.
Quyết định tham gia thực nghiệm được đưa
ra trước khi tiến hành rút thăm ngẫu nhiên sẽ
đảm bảo cho việc các nhóm xử lý và nhóm
đối chứng được lập ra gồm các cá thể được
lựa chọn hoàn toàn ngẫu nhiên. Nếu làm

ngược lại, tức là rút thăm ngẫu nhiên trước
khi các cá thể đưa ra quyết định tham gia hay
không tham gia chương trình, ta sẽ không thể
xác định được kết quả bình quân đối chứng.
Ta hãy xem xét một vài hạn chế của phương
pháp này.
Trước hết, việc triển khai chương trình đối
với các đối tượng được lựa chọn ngẫu nhiên
có thể bị coi là trái với quy định của pháp
luật. Thứ hai, về mặt chính sách, khó có thể
thực hiện phát sách giáo khoa cho học sinh
này mà lại không phát cho học sinh khác.
Thứ ba, phạm vi thực hiện chương trình nếu
phủ  rộng thì ta cũng không thể lập được
nhóm đối chứng theo đúng tiêu chí – ví dụ
trường hợp một thay đổi về chính sách có
phạm vi ảnh hưởng rộng rãi, như vay cải
cách cơ cấu hoặc các chương trình triển
khai trên quy mô quốc gia. Thứ tư, các cá thể
trong nhóm đối chứng có thể thay đổi đặc
điểm nhận diện trong quá trình tiến hành
thực nghiệm, thay đổi này sẽ ảnh hưởng tới
kết quả đánh giá : ví dụ, nếu một người di
chuyển từ khu vực có dự án ra ngoài hoặc
ngược lại, một người từ khu vực không có
dự án sang khu vực có dự án, như vậy, họ
cũng di chuyển từ nhóm  xử lý sang nhóm
đối chứng hoặc ngược lại (tác động lây lan) ;
hoặc, có những người từ chối lợi ích tham

[286] Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD


gia dự án và tìm kiếm các nguồn lợi khác
thay thế, hoặc có người lựa chọn tham gia
chương trình có thể không hưởng lợi ích từ
chương trình. Thứ năm, khó có thể đảm bảo
được một sự lựa chọn thực sự ngẫu nhiên –
ví dụ có trường hợp người thực hiện đánh
giá quyết định loại các ứng viên có nguy
cơ cao để đảm bảo kết quả đánh giá được
thực hiện tốt hơn. Cuối cùng, trong một số
trường hợp, phương pháp thực nghiệm này
có thể tốn kém và mất nhiều thời gian, đặc
biệt là khâu thu thập dữ liệu mới.
Phương pháp bán thực nghiệm, thử nghiệm
tự nhiên và « Regression Discontinuity Design »
Thuật ngữ bán thực nghiệm hoặc thử nghiệm
tự nhiên được dành cho các nghiên cứu đánh
giá các giá trị bình quân của các biến kết quả
từ hai nhóm cá thể được lập theo phương
pháp đánh giá mức độ biến thiên ngẫu nhiên
của một biến ngoại lai.

Khung

Biến ngoại lai này thường là một quy định
hành chính, có thể được thay đổi vào một thời
điểm nào đó (chẳng hạn: bỏ quy định nghĩa
vụ quân sự, sử dụng tiếng Ả rập trong giảng

dạy các môn học, v.v...). Nguồn gốc biến thiên
của một biến ngoại lai phải được xác định và
rõ ràng, về nguyên tắc, biến này không được
gắn với các yếu tố khác quyết định tới sự biến
thiên của các biến kết quả.
Vì không mang tính thực nghiệm nên các
phương pháp bán thực nghiệm phải xử lý rất
kỹ ở khâu lập nhóm đối chứng và nhóm xử
lý. Nhóm xử lý bao gồm các cá nhân hoặc hộ
gia đình có liên quan tới sự thay đổi của biến
ngoại lai. Phần khó nhất là xác định nhóm
đối chứng, vì nó ảnh hưởng tới độ chính xác
trong đánh giá tác động của sự biến thiên
của biến ngoại lai. Vì vậy nhóm đối chứng
phải bao gồm các cá thể có đặc điểm tương
đồng nhất có thể với các cá thể thuộc nhóm
xử lý, tức là nhóm chịu tác động từ sự biến
thiên của biến ngoại lai.

25 Ưu điểm và hạn chế

Ưu điểm

Hạn chế

- Không gặp vấn đề về đạo đức

- Khó tìm được biến ngoại lai thực sự

- Không cần xác định kế hoạch thực

nghiệm

- Sai số từ các biến bị bỏ qua
- Bỏ qua yếu tố xu hướng theo thời gian

Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

[287]


Ngày 2, sáng thứ Ba ngày 23
tháng 7
Laure Pasquier-Doumer trình bày nội dung
các bài tập nhóm. Học viên đăng ký theo
một trong hai nhóm và lựa chọn đại diện
của nhóm mình để chuẩn bị báo cáo trước
lớp vào sáng thứ bảy.
Christophe Jalil Nordman điểm lại và làm rõ
một số nội dung đã trình bày trong ngày học
trước.
Các phương pháp phi thực nghiệm
[Axel Demenet]
Chúng ta đã thấy rằng, để đánh giá được tác
động của một chính sách tới một yếu tố nào
đó (chẳng hạn yếu tố thu nhập), nếu chỉ lấy
hiệu số chênh lệch giữa hai kết quả của các
cá nhân thụ hưởng và các cá nhân không
thụ hưởng chính sách đó thì là không đủ. So
sánh tình trạng sức khỏe của các bệnh nhân
được nhận điều trị ở bệnh viện và các bệnh

nhân không nhận điều trị – ví dụ cổ điển nhất
về đánh giá tác động –, ta có thể dẫn tới kết
luận sai lầm là việc điều trị có tác động tiêu
cực: những người đến bệnh viện là những
người đã có vấn đề về sức khỏe trước khi
nhận phác đồ điều trị, như vậy, kết quả đánh
giá sẽ có sai số vì hai nhóm (điều trị và không
điều trị) không có xuất phát điểm tương
đồng. Chúng tôi cũng đã chứng minh là khi
áp dụng phương pháp đánh giá ngẫu nhiên
(hay còn gọi là phương pháp thực nghiệm),
ta có thể đảm bảo sự đồng nhất trong đặc
điểm của hai nhóm và loại bỏ được sai số,
tiếp đó chúng ta đã nghe giới thiệu về các
phương pháp « bán thực nghiệm », phương
pháp này giúp thiết lập lại các điều kiện của
đánh giá ngẫu nhiên. Tuy nhiên, trong phần

lớn các trường hợp, không thể triển khai các
phương pháp như vậy hoặc thực hiện các
thử nghiệm tự nhiên. Ở phần này chúng tôi
sẽ giới thiệu kỹ một vài phương pháp đánh
giá có thể giảm được sai số, các phương pháp
này nằm trong nhóm « phi thực nghiệm ».
Các phương pháp này khai thác các giá trị của
biến lợi ích Y (thu nhập, tình trạng sức khỏe,
v.v.) đối với các cá thể được xử lý (T=1) và các
cá thể không được xử lý (T=0).
Giải quyết sai số lựa chọn bằng cách tái lập
giá trị đối chứng

Ta biết phương pháp đánh giá tác động
« ngây thơ », tức là tính giá trị kỳ vọng Y bằng
cách tính hiệu số giữa kết quả của các cá thể
được xử lý E(Y | T=1) và kết quả của các cá thể
không được xử lý E(Y | T=0) (ở đây xin nhắc lại
ví dụ xác định tình trạng sức khỏe bình quân
của những người đi khám bệnh và những
người không đi khám bệnh), sẽ cho kết quả
có sai số vì sự chênh lệch trong tình trạng ban
đầu giữa những người tham gia và những
người không tham gia chương trình. Sự khác
biệt, chênh lệch trong tình trạng ban đầu của
hai nhóm có thể quan sát được (giới tính, thu
nhập, bị ốm, không bị ốm, v.v.) và không quan
sát được (động cơ, tài năng). Các khác biệt
này tạo ra sai số lựa chọn (BATT) khi điều kiện
độc lập giữa các biến kết quả tiềm tàng (Y0,
Y1) và điều kiện tham gia chương trình không
được thỏa mãn:
[(Y0, Y1) T] E(Y0 | T=1) ≠ E(Y0 | T=0),
tức là ở mọi thời điểm, trừ trường hợp
thực hiện đánh giá ngẫu nhiên.
Phương pháp ghép cặp (matching)
Có nhiều phương pháp cho phép loại bỏ
hoặc giảm bớt sai số lựa chọn này. Các
phương pháp này đảm bảo hai nhóm (được

[288] Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

xử lý và không được xử lý) có đặc điểm gần
nhau bằng cách sử dụng các biến kiểm soát
tác động tới xác suất tham gia xử lý và/hoặc
kết quả. Giả thiết ban đầu gọi là giả thiết « độc
lập có điều kiện », rõ ràng yếu hơn so với giả
thiết trước, theo đó, tồn tại một tập hợp các
biến mà các kết quả ẩn và xác suất tham gia
chương trình độc lập với chúng, phụ thuộc
vào các biến kiểm soát :
[(Y0, Y1) T] | X
Giả thiết độc lập có điều kiện được hiểu là hai
nhóm xử lý và không xử lý cân bằng nhau xét
trên những đặc điểm quan sát được cùng có
tác động tới biến kết quả ; nói cách khác, đối
với những người có cùng đặc điểm giống hệt
nhau, việc người này tham gia và người khác
không tham gia hoàn toàn là do ngẫu nhiên.
Từ đó ta có thể xác định được giá trị kỳ vọng
Y cho cả hai nhóm và như vậy tính được tác
động bình quân của chương trình (ΔATE), cũng
như tác động bình quân của chương trình đối
với các cá thể trong nhóm xử lý (ΔATT). Điều
kiện xác định đối với tham số này (tác động
bình quân đối với nhóm cá thể tham gia) ít
khắt khe hơn vì chỉ cần sự độc lập giữa kết
quả tiềm năng nếu không có chương trình và
kết quả khi có chương trình, tức là Y0 T | X.
Nguyên tắc đánh giá áp dụng ở đây là sử
dụng thông tin đã có về các cá thể không xử
lý để làm đối chứng cho các cá thể xử lý. Hàm

ước lượng sẽ tính được mức chênh lệch trung
bình giữa mức xuất phát điểm bình quân của
các cá thể xử lý và các cá thể đối chứng:

theo đó I1 là giá trị của mẫu các cá thể xử lý và
N1 là số các cá thể xử lý.

Việc ghép cặp « matching » cho phép giải
quyết được một phần sai số lựa chọn bằng
cách sử dụng các biến quan sát được, tức là
các biến X để lựa chọn các cá thể của nhóm
đối chứng sao cho các cá thể đó có đặc điểm
tương đồng với các cá thể thuộc nhóm xử lý.
Nói cách khác, ta thực hiện ghép các cá thể
xử lý với một hoặc nhiều cá thể thuộc nhóm
không xử lý có đặc điểm tương đồng xét
theo các biến có thể quan sát được, tức là các
biến X. Để đánh giá tác động của một phác
đồ điều trị tại bệnh viện, ta không so sánh với
những người không nhập viện nói chung mà
so sánh với các cá nhân mắc cùng một bệnh
nhưng không khám chữa tại bệnh viện.
Phương pháp này đòi hỏi với mỗi cá thể xử
lý, cần phải quan sát một hay nhiều cá thể
không xử lý có đặc điểm tương đồng (« sinh
đôi »), trên cơ sở các biến X, tức là : Xĩ(i) = Xi.
Từ đó ta tính được tác động đối với từng
nhóm bằng cách tính chênh lệch mức xuất
phát điểm bình quân của các cá nhân trong
hai nhóm xử lý và không xử lý, mức tác động

bình quân của mỗi nhóm sẽ giúp tính được
giá trị ∆ATT. Số lượng Yĩ(i) sẽ là hàm ước lượng
giá trị kỳ vọng của kết quả tiềm năng Y0i:

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

Cần phải lưu ý là phương pháp này áp dụng
được khi có các biến kiểm soát, tức là độ
chính xác của nó sẽ phụ thuộc vào chất lượng
dữ liệu cũng như cỡ mẫu. Hơn nữa, phương
pháp này chỉ cho phép giải quyết được một
phần sai số lựa chọn bởi vì ta không thể sử

Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

[289]


dụng được các khác biệt không thể quan
sát được.
Ghép cặp các cá thể dựa trên một số lượng
biến kiểm soát quá lớn cũng lại đặt ra vấn đề
về cỡ mẫu: không thể tìm được các cá thể sinh
đôi hoàn hảo cho mỗi đặc tính. Rosenbaum
và Rubin (1983) đã chỉ ra rằng, với giả thiết
độc lập có điều kiện, phương pháp ghép cặp
matching có thể thực hiện được thông qua

xác suất tham gia chương trình có điều kiện,
thuật ngữ tiếng Anh là «  propensity score  ».
Tỷ  số P(X) = Pr (T=1|  X) tính được xác suất
tham gia của chương trình khi biết biến X, xác
suất này được ước tính theo mô hình probit
hay logit. Véc-tơ P(X) tóm tắt tất cả các thông
tin quan sát được trong véc-tơ X và cho phép
ghép các cá thể với một chỉ số duy nhất theo
một đơn vị khoảng cách xác định. Giá trị này
được tính như sau:
Y0 T | X => Y0 T | P(X)
Nếu biến kết quả Y0 độc lập với xác suất
tham gia chương trình T theo điều kiện của
các biến quan sát được X, nó cũng sẽ độc
lập với T theo điều kiện của tỷ số xác suất
tham gia chương trình.
Ở đây xin lưu ý là phương pháp ghép cặp
« matching » tạo ra một hàm ước lượng cục
bộ. Bởi vì chúng ta chỉ ghép cặp được các cá
thể có giá trị kết quả gần nhau, nên việc đánh
giá sẽ chỉ giới hạn trong khuôn khổ mẫu các
cá thể nằm trong « vùng tựa chung », tức là
vùng tập hợp các cá thể có kết quả gần nhau:
các cá thể có tỷ số P(X) quá thấp hoặc quá cao
sẽ bị loại trừ vì rất khó ghép cặp để so sánh.

Tuy nhiên, trong áp dụng thực tế, việc ghép
cặp các cá thể vẫn có một độ tự do nhất định.
Có thể ghép cặp hai cá thể, hoặc một cá thể
có thể ghép cặp với nhiều cá thể có kết quả

gần nhau k ; đơn vị i sẽ được ghép cặp với
đơn vị j theo công thức:

Ta có thể cho phép hoặc không cho phép
việc nhiều đơn vị thuộc nhóm xử lý được
ghép cặp với cùng một cá thể thuộc nhóm
không xử lý. Cũng có thể xác định một giới
hạn cao hơn δ để quy định phạm vi khoảng
cách (caliper matching) : nếu không có một
đơn vị nào trong nhóm không xử lý tìm được
một đơn vị i trong phạm vi δ, lúc đó đơn vị i
sẽ không được ghép cặp.

Một phương pháp xen kẽ là không ghép theo
cá thể mà ghép cặp theo hạt nhân (« kernel
matching »). Theo đó, ta ghép vào kết quả yi
của đơn vị i nằm trong nhóm xử lý kết quả
bình quân của tất cả các đơn vị nằm trong
nhóm không xử lý tính toán được bằng hàm
hạt nhân, theo đó, kết quả của mỗi đơn vị
không xử lý tỷ lệ với khoảng cách giữa i và j.

Như vậy, ta phải xác định chính xác nhất
có  thể hàm hạt nhân (theo kiểu Gaussien
hoặc Epanechnikov) cũng như độ rộng của
cửa sổ h (« bandwidth »): h càng lớn thì càng
dễ thực hiện ghép cặp.

[290] Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

Khung

26 So sánh phương pháp ghép cặp
với các phương pháp đánh giá tác động khác?

So sánh với những kết quả thu được từ một áp dụng thử nghiệm ngẫu nhiên để đánh giá
một chương trình đào tạo ở Mỹ, các tác giả đã chỉ ra rằng, phương pháp ghép cặp cho ra các
kết quả tương đối gần (Heckman et al., 1997; Dehejia và Wahba, 1999). Một số tác giả khác
thì cho thấy phương pháp này cho ra kết quả thấp hơn phương pháp thực nghiệm áp dụng
với cùng một chương trình (Lalonde, 1986). Ngoài việc phụ thuộc nhiều vào chất lượng của
các biến kiểm soát, phương pháp ghép cặp này cũng không thể tính được xác suất tham gia
của các cá thể dưới tác động của các đặc tính không thể quan sát. Các kiểu ghép cặp khác
nhau trong thực tế chỉ khác nhau rất ít, tuy nhiên cách thức đánh giá hiệu quả nhất là kết
hợp phương pháp ghép cặp với phương pháp khác biệt kép sẽ được giới thiệu ở phần sau
(Smith và Todd, 2005).

Phương pháp khai thác dữ liệu thời gian tuyến tính
Dữ liệu thời gian tuyến tính cho phép thực hiện được nhiều quan sát ở một giai đoạn τ, là giai
đoạn chương trình còn chưa được thực hiện, có nghĩa là: Y1τ = Y0τ

Bảng

33 Phương pháp « Trước-sau » và « Khác biệt kép »

Nguồn: tác giả.

Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

[291]

[Christophe Jalil Nordman]
Quay lại dự án tăng cường năng lực học
tập của học sinh tại Kenya – thông qua việc
phát sách giáo khoa cho các học sinh được
lựa chọn ngẫu nhiên. Nhóm xử lý ở đây bao

Biểu đồ

gồm các trường học có triển khai chương
trình phát sách giáo khoa; nhóm đối chứng
là các trường học không thực hiện chương
trình này. Chúng ta áp dụng phương pháp
khác biệt kép.

45 Chương trình có mang đến những thay đổi ?

K t qu h c t p

3

(

c quan sát)

3-2=1
= tác

2

ng ?

c quan sát)

(

t=1

t=0
CH

th i gian

NG TRÌNH

Nguồn: tác giả.

Trước khi có chương trình (T=0), kết quả được
sắp là 2/10 đối với những học sinh được hỏi. Ở
thời điểm T=1, ta thấy có cải thiện về kết quả
học tập (3/10). Tuy nhiên ta không thể suy ra
được tác động của chương trình bằng phép
tính đơn giản là (3-2 = 1) (xem biểu đồ 46).

Tác động của chương trình là mức chênh
lệch giữa 3 và giá trị X, đây là kết quả mà ta có
thể đạt được ở thời điểm T=1 nhưng không
có chương trình. Ở đây ta vẫn chưa đề cập
khác biệt kép mà mới chỉ dừng lại ở khái niệm

giá trị đối chứng.

[292] Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD


Biểu đồ

46 Điều gì sẽ xảy ra nếu không có chương trình?

K t qu h c t p

3

(

c quan sát)
Tác

X

ng: 3 – X

(Không quan sát

c)

2

th i gian

t=1

t=0

Nguồn: tác giả.

Biểu đồ

47 Tái lập X bằng việc sử dụng nhóm đối chứng

“Nhóm ánh giá”
3
Tác

ng : 3 – 2.4

2.4
“Nhóm

2

t=1

t=0

i ch ng”

th i gian

Nguồn: tác giả.

Ta sẽ tái lập X bằng việc sử dụng nhóm đối
chứng (2,4). Tác động của chương trình bằng
với (3-2,4). Hàm ước lượng theo phương
pháp khác biệt kép đặt giả thiết rằng kết quả

của các học sinh trong nhóm đối chứng và
nhóm xử lý có thể bị tác động từ năng lực
học tập của các em qua thời gian.

Tháng 07 năm 2014 / Khóa học Tam Đảo 2013 / © AFD

[293]