Tác động của dự án tam nông đến tình trạng nghèo đa chiều của các hộ ở nông thôn tỉnh tuyên quang

Để kiểm soát việc chọn địa điểm có chủ đích và tự lựa chọn của hộ tham gia dự án TNSP, nghiên cứu này sử dụng kỹ thuật Kết nối điểm xu hướng PSM và Sai biệt kép DD để đo lường tác động c

TRẦN ĐÌNH HỢP

TÁC ĐỘNG CỦA DỰ ÁN TAM NÔNG ĐẾN TÌNH TRẠNG "NGHÈO ĐA CHIỀU" CỦA CÁC HỘ Ở NÔNG THÔN TỈNH TUYÊN QUANG

LUẬN VĂN THẠC SĨ KINH TẾ

TP Hồ Chí Minh, năm 2017

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH

TRẦN ĐÌNH HỢP

TÁC ĐỘNG CỦA DỰ ÁN TAM NÔNG ĐẾN TÌNH TRẠNG "NGHÈO ĐA CHIỀU" CỦA CÁC HỘ Ở NÔNG THÔN TỈNH TUYÊN QUANG

Chuyên ngành: KINH TẾ PHÁT TRIỂN

Mã số: 60310105

LUẬN VĂN THẠC SĨ KINH TẾ

Người hướng dẫn khoa học:

TS PHẠM KHÁNH NAM

TP Hồ Chí Minh, năm 2017

LỜI CAM ĐOAN

Tôi cam đoan luận văn "Tác động của Dự án Tam nông đến tình trạng "Nghèo

đa chiều" của các hộ ở nông thôn tỉnh Tuyên Quang" là công trình nghiên cứu

do tôi thực hiện dưới sự hướng dẫn của Tiến sĩ Phạm Khánh Nam, không sao

chép từ các công trình nghiên cứu của bất kỳ tổ chức hay cá nhân nào

Tôi xin cam đoan các thông tin trích dẫn từ các nghiên cứu khác đều có nguồn gốc

rõ ràng và chính xác trong phạm vi hiểu biết của tôi Nghiên cứu của tôi dựa vào 2

tài liệu chính là "Counting and Multidimensional Poverty Measurement" của Alkire

và Foster công bố 2008 và "Cẩm nang Đánh giá Tác động: các phương pháp định

lượng và thực hành" do Khandker, Koolwal và Samad viết năm 2010 Các dữ liệu

sử dụng trong luận văn là hoàn toàn đúng như thực tế đã thu thập được từ dự án Hỗ trợ Tam Nông tỉnh Tuyên Quang

Tôi xin hoàn toàn chịu trách nhiệm trước hội đồng khoa học nếu có sự tranh chấp hay bị phát hiện có hành vi không trung thực liên quan đến nội dung đề tài nghiên cứu này

Học viên thực hiện

TRẦN ĐÌNH HỢP

MỤC LỤC

Trang phụ bìa

Lời cam đoan

Mục lục

Danh mục các từ viết tắt

Danh mục các bảng

Danh mục các hình

Chương 1 - GIỚI THIỆU 2

1.1 - Đặt vấn đề 2

1.2 - Dự án Hỗ trợ Tam nông tỉnh Tuyên Quang 4

1.3 - Mục tiêu và câu hỏi nghiên cứu 6

1.4 - Đối tượng, phạm vi và phương pháp nghiên cứu 7

1.5 - Ý nghĩa thực tiễn của luận văn 7

1.6 - Cấu trúc của đề tài nghiên cứu 8

Chương 2 - CƠ SỞ LÝ THUYẾT 10

2.1 - Lược khảo các lý thuyết nền tảng 10

2.2 - Lược khảo các nghiên cứu thực nghiệm liên quan 26

Chương 3 - PHƯƠNG PHÁP NGHIÊN CỨU 34

3.1 - Khung phân tích chung: 34

3.2 - Khung đo lường nghèo đa chiều 34

3.3 - Khung đo lường tác động dự án: 41

3.4 - Dữ liệu: 51

Chương 4 - KẾT QUẢ NGHIÊN CỨU 59

4.1 - Tổng quan về dự án và địa bàn đánh giá 59

4.2 - Kết quả chỉ số nghèo đa chiều của hộ 62

4.3 - Tác động dự án đến nghèo đa chiều 68

Chương 5 - KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH 84

5.1 - Kết luận và hàm ý chính sách 84

5.2 - Hạn chế và hướng nghiên cứu tiếp theo 87

Danh mục tài liệu tham khảo

Các phụ lục

DANH MỤC CÁC TỪ VIẾT TẮT STT

2 CMPI Chỉ số nghèo đa chiều của trẻ em

Children Multi-Dimension Poverty Index;

3 DD Phương pháp Sai biệt kép (hay Khác biệt trong khác biệt)

Difference in Difference methodology

4 GSO Tổng cục Thống kê

General Statistic Office

5 IFAD Quỹ phát triển Nông nghiệp Quốc tế

International Fund for Agriculture Development

6 MOLISA Bộ Lao động Thương binh và Xã hội

Ministry of Labor Invalid and Social Affairs

7 MPI Chỉ số nghèo đa chiều

Multi-Dimension Poverty Index;

8 MPIh Chỉ số nghèo đa chiều của hộ gia đình

Multi-Dimension Poverty Index of a Household

9 OLS Phương pháp bình phương nhỏ nhất

Ordinary Least Squares Methodology

10 OPHI Viện nghiên cứu nghèo và sáng kiến phát triển con người Oxford

Oxford Poverty and Human Development Initiative

11 PSM Phương pháp Kết nối điểm xu hướng

Propensity Score Matching methodology

12 RIMS Hệ thống quản lý kết quả và tác động

Results and Impact Management System

13 TNSP Dự án Hỗ trợ Tam Nông tỉnh Tuyên Quang

"Tam Nông" Support Project in Tuyên Quang province

14 UNDP Chương trình Phát triển của Liên Hiệp Quốc

United Nations Development Programme

15 UNICEF Quỹ Nhi đồng của Liên hiệp quốc

United Nations Children's Fund

16 VHLSS Điều tra mức sống hộ gia đình Việt Nam

Vietnam Household Living Standard Survey

17 WB Ngân hàng Thế giới

The World Bank

DANH MỤC CÁC BẢNG

Bảng 2.1 - Chọn chiều, chỉ tiêu và trọng số của Alkire và Foster 12

Bảng 3.1 - Chỉ số, ngưỡng nghèo và trọng số đo lường nghèo đa chiều 39

Bảng 3.3 - Mô tả các biến độc lập trong đánh giá tác động dự án 50

Bảng 3.3 - Thống kê số lượng hộ khảo sát theo từng huyện 53

Bảng 3.4 - Trích lọc các biến của nhóm tính chỉ số nghèo đa chiều 55

Bảng 3.5 - Trích lọc các biến của nhóm biến kiểm soát 57

Bảng 4.1 - Đặc điểm các hộ khảo sát theo các biến định tính 60

Bảng 4.2 - Đặc điểm các hộ khảo sát theo các biến định lượng 61

Bảng 4.3 - Phân loại các hộ khảo sát theo phương pháp MOLISA 62

Bảng 4.4 - Mức thiếu hụt trung bình của các hộ gia đình về giáo dục 63

Bảng 4.5 - Mức thiếu hụt trung bình của các hộ gia đình về sức khỏe 64

Bảng 4.6 - Mức thiếu hụt trung bình của các hộ gia đình về điều kiện sống 65

Bảng 4.7 - Mức thiếu hụt từng chiều và tổng hợp của các hộ gia đình 66

Bảng 4.8 - Mức thiếu hụt tổng hợp của các hộ gia đình theo huyện 67

Bảng 4.9 - Tác động của dự án đến chiều và chỉ số giáo dục 69

Bảng 4.10 - Tác động của dự án đến chiều và chỉ số sức khỏe 70

Bảng 4.11 - Tác động của dự án đến chiều và chỉ số điều kiện sống 71

Bảng 4.12 - Tác động của dự án đến chỉ số nghèo đa chiều của hộ 72

Bảng 4.13 - Kiểm tra tác động của dự án với các kỹ thuật và dữ liệu 74

Bảng 4.14 - Kiểm tra biến đại diện cho tác động của dự án trong ngắn hạn 77

Bảng 4.15 - Tác động của dự án theo sở hữu diện tích đất canh tác 78

Bảng 4.16 - Tác động của dự án theo địa bàn các huyện 79

Bảng 4.17 - Biến kiểm soát dùng trong hồi quy Probit tính điểm xu hướng 80

Bảng 4.18 - Các biến kiểm soát dùng trong phương pháp DD 82

DANH MỤC CÁC HÌNH

Hình 1.1 - Quy trình chọn xã, thôn và hộ tham gia dự án TNSP 5

Hình 2.1 - Ý tưởng của phương pháp đánh giá tác động 14

Hình 2.2 - Phản thực giả - So sánh giữa có tham gia và không tham gia 18

Hình 2.3 - Phản thực giả - So sánh giữa trước và sau can thiệp 19

Hình 2.4 - Minh họa về vùng hỗ trợ chung mạnh 22

Hình 2.5 - Minh họa về vùng hỗ trợ chung yếu 23

Hình 2.6 - Minh họa về tính tác động bằng Phương pháp DD 24

Hình 3.1 - Khung phân tích đánh giá tác động Dự án 34

Hình 3.2 - Quy trình chọn mẫu khảo sát của dự án TNSP 51

Hình 4.1 - Mức thiếu hụt của từng chiều năm 2011 và 2014 66

Hình 4.2 - Chỉ số nghèo đa chiều của hộ theo năm và theo huyện 68

Hình 4.3 - Phân bố của điểm xu hướng trong phương pháp PSM 73

ĐỀ TÀI Tác động của Dự án Tam nông đến tình trạng "Nghèo đa chiều" của các hộ ở nông thôn tỉnh Tuyên Quang

Tóm lược:

Mỗi năm đã có hàng tỷ Đô-la được chi dùng cho các dự án phát triển nhưng liệu các dự án này có thực sự hỗ trợ người nghèo hay không vẫn là một câu hỏi lớn Nghiên cứu này mong muốn đóng góp cho lĩnh vực đánh giá dự án một cách

nghiêm khắc bằng phương pháp định lượng Để kiểm soát việc chọn địa điểm có chủ đích và tự lựa chọn của hộ tham gia dự án TNSP, nghiên cứu này sử dụng kỹ thuật Kết nối điểm xu hướng PSM và Sai biệt kép DD để đo lường tác động của dự

án đến chỉ số nghèo đa chiều của hộ MPI h và điều chỉnh những sai lệch chọn mẫu

Sử dụng dữ liệu của 2400 hộ đã tham gia 2 đợt khảo sát, nghiên cứu đã tìm thấy tác động tích cực của dự án đến chỉ số nghèo đa chiều của hộ MPI h (giảm 11.7 điểm % với mức ý nghĩa 1%) đồng thời giảm trung bình 3.8 tháng thiếu ăn cho những hộ tham gia dự án Nghiên cứu đề xuất sử dụng số tháng thiếu ăn làm chỉ số đánh giá tác động trong ngắn hạn

Chương 1 - GIỚI THIỆU

1.1 - Đặt vấn đề

Xóa đói giảm nghèo là chủ trương lớn, nhất quán của Đảng và Nhà nước kể từ Đại hội Đảng VII1 đến nay Mục tiêu giảm nghèo nhanh và bền vững là nhiệm vụ trọng tâm được sự chỉ đạo trực tiếp của Đảng và thực thi bởi chính quyền các cấp Quan điểm cơ bản của chính sách này là: "Bên cạnh sự hỗ trợ của Nhà nước và xã hội thì

sự nỗ lực của các hộ nghèo là yếu tố quyết định để các hộ này thoát khỏi đói

nghèo" Theo đó, Chính phủ đã ban hành nhiều văn bản mà gần đây nhất là Nghị quyết 80/2011/NQ-CP, đưa ra những định hướng mới về giảm nghèo bền vững trong giai đoạn 2011- 2020, với mục tiêu giảm tỷ lệ hộ nghèo cả nước là 2%/năm, riêng các xã nghèo giảm 4%/năm theo chuẩn nghèo từng giai đoạn

Trong hơn hai thập kỷ vừa qua, Việt Nam đã tạo được ấn tượng trên thế giới bởi thành tựu về tăng trưởng kinh tế và giảm nghèo Bên cạnh đó, Việt Nam cũng có nhiều tiến bộ đáng kể ở các lĩnh vực giáo dục và y tế Theo đánh giá của WB (2012)

"Việt Nam đã đạt được và trong một số trường hợp thậm chí còn vượt các Mục tiêu Phát triển Thiên niên kỷ" Trong vòng 20 năm kể từ 1993, Việt Nam đã hỗ trợ được hơn 58% dân số thoát khỏi tình trạng nghèo (Phùng Đức Tùng và cộng sự, 2012)

Mặc dù có thành tích ấn tượng nhưng nhiệm vụ giảm nghèo của Việt Nam vẫn còn phải tiếp tục lâu dài Việt Nam đang phải đối mặt với những thách thức trong việc duy trì kết quả đạt được, nguy cơ tái nghèo cao, đói nghèo và bất bình đẳng địa phương vẫn còn tồn tại (WB, 2012) Vì vậy, tăng trưởng kinh tế phải đi kèm với việc tái phân bổ thu nhập hợp lý và giảm nghèo bền vững

1 Nghị quyết Hội nghị Trung ương lần thứ 5, khóa VII (1992) đề ra chủ trương xóa đói giảm nghèo trong chiến lược phát triển nông thôn, nông nghiệp và nông dân

Theo Cling và cộng sự (2008, trang 2) "có một câu hỏi quan trọng là các chính sách

phát triển, đặc biệt là các chính sách xóa đói giảm nghèo có tác động gì, nhưng 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 đơn giản này"

Tác giả Khandker và cộng sự (2010, trang 21) cho rằng, xác định gần chính xác được hiệu quả của một chính sách là một công việc khó khăn đặc biệt là trong bối cảnh kinh tế luôn bất ổn Các chương trình và dự án thường tỏ ra đầy hứa hẹn trước khi được triển khai nhưng lại không tạo ra được những tác động hay lợi ích mong đợi Những năm gần đây, tầm quan trọng của đánh giá tác động ngày càng được chú trọng khi mà mỗi năm Việt Nam nhận hàng triệu đô-la viện trợ phát triển Điều này giúp người hoạch định chính sách biết được các dự án có tạo được tác động gì cho đối tượng hưởng lợi không, mục tiêu và cách tiếp cận dự án có phù hợp không, cách chọn đối tượng có đảm bảo hiệu quả dự án, cần hướng viện trợ vào lĩnh vực nào

Tuy có nhiều nghiên cứu về đo lường nghèo và đánh giá tác động dự án nhưng có ít nghiên cứu sử dụng chỉ số nghèo đa chiều để đánh giá tác động Trong những năm gần đây, đo lường nghèo bằng chỉ số nghèo đa chiều (thay cho thu nhập hoặc chi tiêu) ngày càng được chú trọng vì nó phản ánh đầy đủ hơn tình trạng nghèo của hộ gia đình Vì vậy nghiên cứu này muốn tìm các bằng chứng để trả lời cho câu hỏi liệu dự án phát triển đa can thiệp TNSP có thực sự giúp cải thiện tình trạng nghèo

đa chiều của hộ gia đình hay không

Nghiên cứu này sử dụng thuật ngữ riêng là "Chỉ số nghèo đa chiều của hộ gia đình 2 MPIh" với ý nghĩa là chỉ số tổng hợp giúp xác định các khía cạnh mà

một hộ gia đình bị thiếu hụt Cách tính toán chỉ số MPIh này dựa vào phương pháp của Alkire and Foster đề xuất năm 2007 - 2008

2

Cụm từ "Chỉ số nghèo đa chiều của hộ gia đình MPIh" và "Chỉ số thiếu hụt đa chiều của hộ gia đình" có ý nghĩa tương đương Một hộ gia đình được coi là tốt hơn nếu mức độ thiếu hụt ngày càng giảm đi, cụ thể giá trị của MPIh sẽ nhỏ hơn giá trị ban đầu

Mục tiêu của chính sách công hay dự án nói chung là làm thay đổi tình trạng của

các đối tượng nhận can thiệp Phương pháp hay sử dụng (và thường sai lầm) là so

sánh tình trạng trước và sau can thiệp, kết quả so sánh không thể coi là tác động

thực sự của chính sách hay dự án được Sai lầm này là do: Thứ nhất, các dự án phát triển thường có nhiều can thiệp để đạt được mục tiêu giảm nghèo Thứ hai, địa bàn

mà dự án giảm nghèo nhắm đến là những nơi có nhiều hộ nghèo nên lựa chọn địa

điểm không phải là ngẫu nhiên Thứ ba, tồn tại vấn đề hộ tự lựa chọn tham gia vào

các can thiệp nghĩa là những hộ có đặc điểm tương tự có thể tự chọn có tham gia hay không, điều này có thể dẫn đến xác suất khác nhau về việc tham gia vào dự án

Những nguyên nhân này là những thách thức lớn cho việc đánh giá các dự án phát triển đa can thiệp và là lý do chính để giải thích tại sao các đánh giá tác động của những dự án này rất ít3 Vì vậy cần phải sử dụng những công cụ kinh tế lượng phù

hợp để xác định gần đúng tác động dự án, nghiên cứu này sẽ lựa chọn phương pháp PSM và DD làm công cụ đo lường

1.2 - Dự án Hỗ trợ Tam nông tỉnh Tuyên Quang

Dự án TNSP hỗ trợ "nông nghiệp, nông dân và nông thôn" với tổng vốn 32.844.900

USD được triển khai từ 2011 đến 2016 Mục tiêu chính của Dự án là nâng cao chất lượng đời sống vật chất và tinh thần của người dân nông thôn, đặc biệt tại các khu vực khó khăn nhất của tỉnh Tuyên Quang (IFAD, 2010, trang 27) Đối

tượng hưởng lợi của TNSP là hộ nghèo, cận nghèo và dân tộc thiểu số, một trọng tâm đặc biệt của dự án là tiếp cận các dân tộc thiểu số nghèo ở vùng sâu vùng xa và vùng cao (IFAD, 2010, trang 11) Đối với tỉnh Tuyên Quang, dự án TNSP còn được lồng ghép vào Chương trình Xây dựng Nông thôn mới

3

Theo Cling and et al (2008, p.3), Cơ quan phát triển Pháp AFD từ khi thành lập đến nay [2008] mới chỉ thực hiện 4 nghiên cứu nghiêm khắc về đánh giá tác động, con số này thật ít ỏi Ngay cả WB 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 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

IFAD là một tổ chức chuyên môn của Liên Hợp Quốc với sứ mệnh hỗ trợ các nước nghèo phát triển toàn diện nông nghiệp, nông thôn và góp phần vào các chương trình giảm nghèo bền vững ở các quốc gia Tổ chức IFAD luôn đề xuất những sáng kiến mới và độc đáo trong phát triển nông nghiệp và nông thôn cho các nước trên thế giới Ở Việt Nam, các dự án của IFAD đã đóng góp quan trọng cho các chương trình xoá đói giảm nghèo và được Chính phủ đánh giá cao.

Phương pháp lựa chọn các xã tham gia dự án TNSP dựa vào tỉ lệ nghèo và số dân nghèo tính theo đầu người, đặc biệt ưu tiên các xã nghèo có tỉ lệ hộ dân tộc thiểu số cao hơn4 Dự án TNSP triển khai tại 64 xã có tỷ lệ hộ nghèo bình quân trên 22% Các xã này là nơi có đông đồng bào dân tộc thiểu số, 55/64 xã có trên 50% là người dân tộc thiểu số, trong khi ở 9/64 xã khác tỷ lệ dân tộc thiểu số không ít hơn 21% Trong mỗi xã được lựa chọn, tất cả các thôn sẽ được tham gia dự án (IFAD 2010,

trang 18) Quy trình chọn xã, thôn và hộ tham gia dự án được tóm tắt ở Hình 1.1.

Hình 1.1 - Quy trình chọn xã, thôn và hộ tham gia dự án TNSP

Nguồn: dựa theo số liệu của IFAD (2010, trang 77 và phụ lục 4)

4

Đây là các xã được phân loại thuộc Vùng 3 (các xã xa xôi và khó khăn nhất) hoặc các xã thuộc Vùng 2 (ít xa xôi nhưng vẫn còn khó khăn)

Trong các xã và thôn đã được chọn, hộ hưởng lợi không được chọn ngẫu nhiên mà

họ tự lựa chọn tham gia vào các can thiệp dự án, vì vậy lựa chọn thiên lệch là vấn

đề lớn trong đánh giá tác động dự án Vì thiết kế "lựa chọn ngẫu nhiên" không khả thi nên nghiên cứu này sẽ sử dụng các phương pháp "thí nghiệm tự nhiên" là PSM

và DD để kiểm soát tính không đổi theo thời gian, các đặc điểm quan sát được và không quan sát được để điều chỉnh các sai lệch lựa chọn, (Smith and Todd, 2005) Các phương pháp PSM và DD sẽ sử dụng chỉ số nghèo đa chiều của hộ MPIh để đánh giá tác động của dự án đến các hộ gia đình nghèo ở tỉnh Tuyên Quang

1.3 - Mục tiêu và câu hỏi nghiên cứu

Mục tiêu tổng quát của nghiên cứu này là: Đánh giá mức độ tác động đến tình trạng nghèo đa chiều của các hộ ở dự án phát triển nông thôn với nhiều can thiệp sau 2 năm thực hiện ở tỉnh Tuyên Quang

Nghiên cứu này có 2 mục tiêu cụ thể là:

(i) Đo lường chỉ số nghèo đa chiều của hộ gia đình tham gia Dự án TNSP; (ii) Xác định tác động của Dự án TNSP đến chỉ số nghèo đa chiều của hộ;

Để đạt được các mục tiêu nghiên cứu trên, đề tài này tập trung vào trả lời các câu hỏi nghiên cứu sau đây:

(i) Chỉ số nghèo đa chiều của hộ MPIh được tính toán như thế nào khi áp dụng phương pháp Alkire - Foster và dữ liệu RIMS của dự án TNSP? (ii) Sự thay đổi trong chỉ số nghèo đa chiều của các hộ MPIh trước và sau khi có can thiệp của dự án tính toán theo PSM và DD như thế nào? (iii) Liệu có tồn tại vấn đề tác động không đồng nhất của dự án đến chỉ số nghèo đa chiều của hộ MPIh theo nhóm diện tích đất canh tác của hộ và theo từng địa bàn huyện?

1.4 - Đối tượng, phạm vi và phương pháp nghiên cứu

Nghiên cứu này có 2 điểm khác biệt cơ bản so với các nghiên cứu tương tự trước đây là: (i) Lựa chọn dự án đa can thiệp để làm đối tượng đánh giá tác động và (ii) sử dụng chỉ số nghèo đa chiều của hộ gia đình MPIh để đo lường tác động dự án

Nghiên cứu sử dụng dữ liệu thứ cấp gồm 900 hộ gia đình tham gia dự án TNSP và

300 hộ gia đình không tham gia dự án ở 2 đợt khảo sát 2011 và 2014 Số hộ đồng thời tham gia cả 2 đợt khảo sát là 864 hộ Như vậy tổng cộng bộ dữ liệu RIMS đầy

đủ có 2400 lượt hộ gia đình tham gia khảo sát tại tỉnh Tuyên Quang Một điều đáng tiếc là do thiết kế khảo sát của dự án, số lượng hộ thuộc nhóm đối chứng (chỉ có

300 quan sát) ít hơn so với hộ thuộc nhóm kiểm soát (có 900 quan sát)

Nghiên cứu này sử dụng phương pháp PSM và DD để đánh giá tác động những can thiệp của dự án đến chỉ số nghèo đa chiều của các hộ gia đình MPIh trong khuôn khổ dự án TNSP Cả hai phương pháp này đều xây dựng tình huống phản thực từ dữ liệu thống kê, giúp chọn lọc các hộ gia đình có những đặc điểm tương đồng nhau trước khi có can thiệp của dự án, từ đó giúp việc so sánh sự khác biệt về thời gian trước và sau khi có can thiệp, vừa so sánh được khác biệt giữa hộ có những can thiệp và không có những can thiệp của dự án

1.5 - Ý nghĩa thực tiễn của luận văn

Đánh giá gần đúng tác động thực sự của một dự án hay chương trình vẫn đang là câu hỏi chưa có lời giải đáp thỏa đáng Nghiên cứu này lập luận rằng đánh giá dự án

đa can thiệp và nghèo đói không thể chỉ đo lường ở một khía cạnh cụ thể mà phải sử dụng những khái niệm tổng hợp, chứa đựng nhiều thông tin Nghiên cứu này mong muốn cung cấp thêm bằng chứng thực nghiệm mới về các tác động đến tình trạng nghèo đa chiều của hộ gia đình của một dự án phát triển nông thôn với tính chất đa

can thiệp, chọn địa điểm không ngẫu nhiên và hộ tự lựa chọn tham gia

Phương pháp và kết quả nghiên cứu có thể được sử dụng cho đánh giá tác động của nhiều dự án phát triển khác nhằm trả lời câu hỏi thực tiễn mà các nhà quản lý và hoạch định chính sách cần là "Dự án có mang lại tác động tích cực cho các đối tưởng hưởng lợi dự án hay không" Hơn nữa, kết quả nghiên cứu có thể đóng góp

để điều chỉnh thiết kế và triển khai các dự án phát triển nông thôn, đặc biệt nghiên cứu này chia sẻ kinh nghiệm và kỹ thuật về lựa chọn chỉ tiêu, dữ liệu, công cụ để tiến hành các khảo sát và đánh giá tác động cho những dự án tương tự

1.6 - Cấu trúc của đề tài nghiên cứu

Đề tài này cố gắng trình bày các vấn đề theo cấu trúc của đề tài nghiên cứu gồm 5 chương với các nội dung như sau: "Chương 1 - Giới thiệu" cung cấp những thông tin ngắn gọn về vấn đề cần nghiên cứu, trình bày mục tiêu, đối tượng và phương pháp nghiên cứu "Chương 2 - Cơ sở lý thuyết" trình bày về lý thuyết nền tảng về nghèo đa chiều, phương pháp đánh giá tác động dự án, lược khảo các nghiên cứu thực nghiệm liên quan để từ đó xây dựng giả thuyết nghiên cứu "Chương 3 - Phương pháp nghiên cứu" trình bày về khung đo lường nghèo đói và đánh giá tác động, phương pháp đánh giá bằng PSM và DD, dữ liệu sử dụng cho đề tài này;

"Chương 4 - Kết quả nghiên cứu" trình bày kết quả và bàn luận về các phát hiện liên quan đến kết quả chính; "Chương 5 - Kết luận và hàm ý chính sách" trình bày những kết luận, các hàm ý chính sách liên quan đến nghiên cứu, những hạn chế và hướng nghiên cứu tiếp theo Phần cuối cùng là các phụ lục đính kèm

Tóm tắt chương 1

Hầu hết các báo cáo của dự án thường sử dụng phương pháp đánh giá định tính và dùng số liệu giám sát hoạt động Có một số đánh gía dự án sử dụng mô hình kinh tế

lượng nhưng chủ yếu dùng biến thu nhập hay chi tiêu của các hộ để đo lường tác động của dự án trong một khía cạnh cụ thể chẳng hạn tín dụng, chăn nuôi

Chương này tập trung mô tả vấn đề, trình bày mục tiêu, phạm vi, đối tượng và

phương pháp đo lường tác động của một dự án đa can thiệp bằng chỉ số tổng hợp là

chỉ số nghèo đa chiều của hộ MPIh để hiểu xem dự án đã làm thay đổi khía cạnh kinh tế - xã hội nào đối với các đối tượng hưởng lợi từ dự án

Chương 2 - CƠ SỞ LÝ THUYẾT

Chương này sẽ lược khảo các khái niệm về nghèo, nghèo đơn chiều và nghèo đa chiều, phương pháp đo lường nghèo đa chiều, cách chọn các chiều đo lường nghèo

đa chiều và lý thuyết nền tảng về đánh giá tác động dự án bằng phương pháp PSM

và DD Cuối chương là phần lược khảo một số nghiên cứu thực nghiệm điển hình trong việc đo lường nghèo đa chiều và đánh giá tác động dự án để làm cơ sở giúp phân tích và lựa chọn cách tiếp cận trong các chương tiếp theo

2.1 - Lược khảo các lý thuyết nền tảng

2.1.1 - Nghèo và nghèo đa chiều

2.1.1.1 - Khái niệm về nghèo

Có rất nhiều quan niệm khác nhau về nghèo đói, tuy nhiên có một quan niệm được nhiều bên thừa nhận, đó là định nghĩa về nghèo của Ủy ban Kinh tế và Xã hội Châu

Á-Thái Bình Dương đưa ra năm 1993 tại Bangkok như sau: "Nghèo là tình trạng

một bộ phận dân cư không được hưởng và thoả mãn những nhu cầu cơ bản của con người, mà những nhu cầu này đã được xã hội thừa nhận tuỳ theo trình độ phát triển kinh tế xã hội, phong tục tập quán của địa phương" Quan niệm về nghèo như trên

xuất phát từ việc thỏa mãn các nhu cầu cơ bản của con người như ăn, mặc, học hành, chữa bệnh , sự thiếu hụt một hoặc một số các nhu cầu đó được coi là nghèo

2.1.1.2 - Nghèo đơn chiều

Nghèo đơn chiều là phương pháp tiếp cận truyền thống được giới thiệu từ năm

1980 Sở dĩ gọi là nghèo đơn chiều vì cách tiếp cận này chỉ tập trung vào chi tiêu hoặc thu nhập bằng tiền (moneymetric) mà bỏ qua các khía cạnh khác của nghèo đói Thu nhập hay chi tiêu của cá nhân hoặc hộ gia đình sẽ được so sánh với chuẩn nghèo và họ được xem là nghèo nếu có thu nhập hay chi tiêu dưới chuẩn nghèo (Nguyễn Trọng Hoài, 2013, trang 127)

Hai chuẩn nghèo quan trọng là chuẩn nghèo quốc tế và quốc gia Theo WB (2008), chuẩn nghèo quốc tế là 1.25 USD/người/ngày xác định năm 2008 Chuẩn nghèo Việt Nam giai đoạn 2011-2015 là 400 ngàn và 500 ngàn đồng/người/tháng tương ứng cho khu vực nông thôn và thành thị (theo Quyết định số 09/2011/QĐ-TTg)

2.1.1.3 - Nghèo đa chiều

Theo UNDP (2009, trang 31), khái niệm nghèo đa chiều là sự mở rộng của khái nghèo đơn chiều Khái niệm nghèo đa chiều xác định rõ nghèo đói không hẳn chỉ là đói ăn, thiếu uống, hoặc thiếu các điều kiện sống khác mà nghèo đói còn được gây

ra bởi các rào cản về xã hội và các tác nhân khác ngăn không cho cá nhân hoặc cộng đồng được tiếp cận với các nguồn lực làm cho họ không biết và không thể tìm được cách để thoát ra khỏi tình trạng nghèo

Chỉ số nghèo đa chiều MPI được đề xướng và phát triển bởi OPHI thuộc Đại học Oxford với mục đích tạo ra một khái niệm kinh tế mới và một khung phân tích mới

về nghèo theo hướng tiếp cận đa chiều Bên cạnh chiều kinh tế, nghèo đa chiều phản ánh toàn diện hơn những thiếu hụt về giáo dục, y tế và chất lượng sống của một cá nhân hay hộ gia đình Khái niệm nghèo đa chiều giúp mô tả đầy đủ hơn về tình trạng nghèo vì khái niệm mới này có khả năng chỉ rõ ai nghèo và họ nghèo như thế nào Việc lựa chọn các chiều và chỉ tiêu thể hiện các thiếu hụt phụ thuộc vào mục đích và đối tượng đánh giá

Theo Alkire và Foster (2008), để đo lường nghèo đa chiều cần xác định khái niệm nghèo đa chiều, xác định đơn vị đo lường là hộ hay người, xác định các chiều và ngưỡng thiếu hụt ở từng chiều, xác định các chỉ số đo lường và ngưỡng thiếu hụt trong từng chỉ số, xác định cách tính mức độ thiếu hụt và quy định chuẩn nghèo đa chiều Chuẩn nghèo đa chiều tức là mức độ thiếu hụt mà nếu hộ thiếu nhiều hơn mức độ này thì bị coi là nghèo đa chiều Theo chuẩn nghèo đa chiều quốc tế, một hộ

gia đình thiếu 1/3 tổng điểm thiếu hụt trở lên sẽ bị coi là nghèo đa chiều Một hộ gia đình thiếu 2/3 tổng điểm thiếu hụt trở lên sẽ bị coi là nghèo đa chiều nghiêm trọng

Bảng 2.1 - Chọn chiều, chỉ tiêu và trọng số của Alkire và Foster

2 Đi học của trẻ em Có bất kỳ trẻ em nào ở tuổi đi học mà

không đến trường từ lớp 1 đến lớp 8

1/6 hay 16.7%

Mức

sống

5.6%

6 Vệ sinh Hộ gia đình không có toilet đảm bảo vệ

sinh hoặc sử dụng toilet chung

1/18 hay 5.6%

7 Nước sạch Hộ gia đình không tiếp cận được với

nguồn nước sạch

1/18 hay 5.6%

8 Sàn nhà Bằng đất, cát hay vật liệu tạm bợ khác 1/18 hay

1/18 hay 5.6%

Nguồn: theo Alkire and Santos (2011)

Theo Nguyễn Trọng Hoài (2013, trang 132), khái niệm nghèo đa chiều có nhiều ưu điểm hơn so với các công cụ đo lường nghèo trước đây ở các điểm sau:

 Phản ánh toàn diện những thiếu hụt ảnh hưởng đến cuộc sống của một người trong một thời điểm;

 Chỉ ra những người nào nghèo và dễ bị tổn thương nhất, cần nhận được sự

hỗ trợ nhiều nhất;

 Cho biết những chỉ tiêu nào mà người dân ở mỗi vùng hay mỗi nhóm dân cư

bị thiếu hụt nhất;

 Có chính sách phân bổ nguồn lực hợp lý cho từng vùng hay từng nhóm dân

cư Phản ánh rõ hơn hiệu quả can thiệp chính sách do đó giúp các nhà làm chính sách có những điều chỉnh chính sách kịp thời;

 Chỉ tiêu đo lường MPI không cứng nhắc mà có thể thay đổi cho phù hợp với đặc điểm của từng vùng nghiên cứu

Để xác định một hộ gia đình có nghèo đa chiều hay không, một ngưỡng nghèo được quy định là 33.3% Khi điểm thiếu hụt tổng của một hộ gia đình ≥ 33.3% thì hộ gia đình đó (bao gồm tất cả các thành viên trong hộ) được xác định là thuộc diện nghèo

đa chiều Hộ gia đình có điểm thiếu hụt ≥ 20% nhưng ≤ 33.3% được xem là hộ dễ

bị tổn thương Hộ gia đình có điểm thiếu hụt ≥ 50% được xem là nghèo đa chiều cùng cực (UNDP, 2011)

Chỉ số nghèo đa chiều MPI được tính từ Tỷ lệ người nghèo đa chiều (H) và Độ sâu nghèo (A) như sau:

H =

Trong đó:

q: Số người nghèo đa chiều

N: Tổng số người dân trong mẫu

A = ∑ (2.1)

Trong đó:

q: Số người nghèo đa chiều

c: Điểm thiếu hụt của hộ gia đình

Khi đó chỉ số nghèo đa chiều MPI của một vùng địa lý được tính bằng công thức:

Nghiên cứu này sẽ dựa vào cách tiếp cận và phương pháp đo lường nghèo đa chiều được đề xuất bởi Alkire and Foster (2008), sử dụng cách lựa chọn chiều và chỉ số con để đo lường gần giống như phương pháp gốc Do MPI là chỉ số dùng để đo lường cho một vùng (thôn, xã, huyện, tỉnh hay quốc gia) nhưng nghiên cứu này cần chỉ số đo lường ở cấp hộ, vì vậy để nắm bắt khía cạnh đa chiều của nghèo đói ở hộ gia đình, nghiên cứu đề xuất sử dụng "Điểm thiếu hụt của hộ gia đình" hay "Chỉ số

nghèo đa chiều của hộ" (ký hiệu là c trong công thức 2.1)

2.1.2 - Đánh giá tác động của chính sách công

2.1.2.1 - Cách tiếp cận

Đánh giá tác động của các chính sách với mục tiêu chính là thông tin để đưa ra quyết định, "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" (Cling và cộng sự, 2008, trang 1) Đánh giá tác động của một chính sách là so sánh kết quả của những người tham gia dưới tác động của chính sách với kết quả "đã có thể xảy ra" của chính những người tham gia này nếu không có chính sách Kết quả của tình huống "đã có

thể xảy ra" này gọi là tình huống phản thực (counterfactual) trình bày ở Hình 2.1

Tình huống: Gọi (Yi | T=1) năng suất trung bình của hộ i có tham gia tập huấn về

khuyến nông và (Yi | T=0) là năng suất trung bình cũng của cùng hộ i đó khi hộ này

không được tập huấn về khuyến nông Chúng ta quan tâm đến (Yi | T=1 - Yi | T=0),

nếu đo lường được thì đó là tác động của việc tập huấn khuyến nông với hộ i Điều

khó nhất ở đây là sẽ không bao giờ có một hộ vừa có lại vừa không tham gia tập huấn cùng một lúc Hiệu quả của tập huấn không thể tính cho một hộ, mà thay vào

đó cần phải xây dựng tình huống phản thực để tính toán hiệu quả tập huấn trung bình của các hộ trong một mẫu khảo sát chọn từ tổng thể là E [Yi | T=1 - Yi | T=0]

Hình 2.1 - Ý tưởng của phương pháp đánh giá tác động

Nguồn: dựa theo ý tưởng của Cling và cộng sự (2008); Khandker và cộng sự (2010)

Tổng quát hóa, tác động trung bình của chính sách sẽ được tính bởi biểu thức:

+ T: biến chính sách hay chương trình, 0 = không tham gia, 1 = có tham gia

+ Y i : biến kết quả chẳng hạn chi tiêu, thu nhập, điểm thiếu hụt đa chiều

+ Y i | T = 1: biến kết quả của hộ gia đình thứ i với điều kiện hộ i có tham gia

+ Y i | T = 0: biến kết quả của hộ gia đình thứ i khi chính hộ i không tham gia

Do vấn đề lựa chọn đối tượng nhận can thiệp của chính sách đã được thiết kế sẵn và

sự tự lựa chọn của cá nhận nên nhóm tham gia và nhóm không tham gia chương trình có thể có những khác biệt hệ thống, do đó Hiệu quả can thiệp trung bình (ATE) có thể phản ánh không chính xác tác động của chính sách Để đánh giá tác động của chính sách đối với những người có tham gia, ta cần phải tính toán sự khác biệt trong kết quả của những đối tượng tham gia với với chính đối tượng đó nếu

không tham gia (xem Hình 2.1) Điều này dẫn đến phải xác định được tình huống

phản thực càng chính xác càng tốt

Đặt Y0i | T =1 là kết quả của hộ gia đình i nếu như họ không tham gia chương trình, nhưng thực tế họ đã tham gia, khi đó Y0i | T =1 gọi là "tình huống phản thực" của hộ gia đình i Thêm bớt cùng 1 lượng vào công thức (2.3) và tách thành 2 nhóm, ta có:

D = E(Yi | T=1) - E(Y0i | T=1) + E(Y0i | T=1) - E(Yi | Ti=0) (2.4) Khi đó:

+ E(Y i | T=1) - E(Y0i | T=1): là tác động trung bình của những hộ tham gia ATT, so sánh với chính họ khi không tham gia

+ E(Y0i | T=1) - E(Y i | T=0): là tác động của lựa chọn mẫu lên tác động trung bình D Đó

là sự khác biệt về kết quả của những hộ nếu họ không tham gia nhưng thực tế họ đã tham gia với kết quả của những hộ không tham gia

D = ATT + ε (2.5)

Do tình huống phản thực Y0i | T=1 không quan sát được nên không thể ước lượng D một cách chính xác tuyệt đối Để đánh giá tác động chính xác, ta cần phải loại bỏ sai số của việc chọn mẫu hoặc tìm cách để xử lý cho sai số này ở mức tối thiểu Để

giải quyết vấn đề này, có hai hướng tiếp cận: một là "Lựa chọn ngẫu nhiên -

randomization " và hai là "Thí nghiệm tự nhiên - natural experiments" hay "Bán

thực nghiệm - quasi experiments" Mỗi phương pháp đều có những giả định khác nhau để tính toán mức độ sai số có thể có trong lựa chọn đối tượng tham gia, có thể ảnh hưởng đến cơ cấu của các tác động can thiệp của chương trình Trong đánh giá tác động chính sách, người ta thường quan tâm đến Hiệu quả can thiệp trung bình của nhóm tham gia (ATT) hơn là Hiệu quả can thiệp trung bình (ATE)

Phương pháp "lựa chọn ngẫu nhiên" được áp dụng để loại bỏ sai số do chọn mẫu bằng cách phân bổ ngẫu nhiên đối tượng vào nhóm can thiệp hoặc đối chứng, lúc này đặc điểm của hai nhóm là hoàn toàn tương đồng nhau ngoại trừ điểm khác biệt duy nhất giữa hai nhóm chính là sự can thiệp của chương trình Vì vậy, tình huống phản thực chính là hiệu quả của nhóm đối chứng, sai số chọn mẫu ε = 0 và khi đó D

= ATT Tuy nhiên, phương pháp “lựa chọn ngẫu nhiên” thường không khả thi trong thực tế5 do những hạn chế về mục đích chính sách, chọn đối tượng tham gia

và đạo đức Phương pháp "thí nghiệm tự nhiên" là dựa vào các thiết kế nghiên cứu,

dữ liệu sẽ được xử lý bằng các kỹ thuật thống kê để tạo thành nhóm can thiệp và nhóm đối chứng có đặc điểm gần giống nhau nhất, sai số chọn mẫu ε ≈ 0 và khi đó

D ≈ ATT Phương pháp Kết nối điểm xu hướng, Sai biệt kép, Biến công cụ, Gián đoạn hồi quy thuộc nhóm "thí nghiệm tự nhiên" này

2.1.2.2 - Vấn đề phản thực

Xác định chính xác tình huống phản thực là một thách thức lớn nhưng có ý nghĩa

5 Theo Khandker and et al (2010, p.56), “khi không thể chọn mẫu ngẫu nhiên trong can thiệp thì giải pháp tối ưu kế tiếp

là tìm cách mô phỏng chọn mẫu ngẫu nhiên”

quan trọng trong đánh giá tác động chính sách "Mặc dù tác động của chương trình chỉ có thể thực sự được đánh giá bằng cách so sánh các kết quả thực tế và phản thực, trong khi tình huống phản thực là không thể quan sát được trong thực tế Như vậy, khó khăn trong đánh giá tác động là làm sao tạo ra được một nhóm đối chứng thuyết phục và hợp lý cho đối tượng thụ hưởng do thiếu dữ liệu này" (Khandker và cộng sự, 2010, trang 41) Về mặt lý thuyết, ta cần so sánh xem kết quả của cùng một đối tượng vừa nhận can thiệp lại vừa không nhận can thiệp Nhưng ta không thể làm được điều này vì ở một thời điểm nào đó, một đối tượng chỉ có thể nhận can thiệp hoặc không nhận can thiệp, không thể có tình huống một đối tượng lại vừa nhận vừa không nhận can thiệp

Theo công thức (2.5), để tính toán được tác động ATT = E(Yi | T=1) - E(Y0i | T=1), ta phải tính được kết quả phản thực E(Y0i | T=1) và hơn nữa độ chính xác của tác động phụ thuộc rất nhiều vào độ chính xác của phản thực E(Y0i | T=1) Vì vậy với các nghiên cứu kinh tế, cần phải có cách thiết kế nghiên cứu hợp lý để tính toán gần đúng nhất "kết quả phản thực"

Để xây dựng tình huống phản thực, người ta hay sử dụng 2 phương pháp (thường là

sai lầm) sau: So sánh giữa có và không tham gia hoặc so sánh giữa trước và sau khi

có can thiệp

(a) - Tình huống phản thực giả: So sánh giữa có tham gia và không tham gia

Trong Hình 2.2, gọi Y4 là kết quả của người tham gia và Y3 kết quả của người không tham gia ở thời điểm sau khi có can thiệp, hiệu Y4 – Y3 sẽ cho biết tác động của chính sách Liệu đây có phải là ước tính chính xác về hiệu quả chương trình không? Nếu chưa biết được vì sao một số hộ gia đình tham gia trong khi những hộ khác không tham gia chương trình thì kết quả trên có thể không chính xác Nếu không đủ thông tin, ta không thể biết được liệu Y3 có phải là kết quả phản thực chính xác hay không (Khandker và cộng sự, 2010, trang 41)

Nếu ta biết được các kết quả phản thực (Y0, Y2), thì ước tính thực về hiệu quả chính sách can thiệp sẽ là Y4 - Y2 , chứ không phải Y4 – Y3 Trong tình huống này, phản thực giả dẫn đến đánh giá quá thấp hiệu quả của chương trình, tuy nhiên sự so sánh giả này có thể đánh giá quá cao hay quá thấp so với hiệu quả thực sự tùy theo tình trạng của hai nhóm trước khi có can thiệp (Khandker và cộng sự, 2010, trang 42)

Hình 2.2 - Phản thực giả - So sánh giữa có tham gia và không tham gia

Nguồn: dựa theo ý tưởng của (Khandker và cộng sự, 2010)

(b) - Tình huống phản thực giả: So sánh trước và sau can thiệp

Một trường hợp phản thực giả khác là phương pháp so sánh các kết quả ở cùng đối tượng tham gia trước và sau khi có can thiệp Người ta sử dụng dữ liệu khảo sát trước khi có can thiệp rồi đem so sánh với kết quả sau khi có can thiệp cùng một đối tượng tức là những đối tượng tham gia cả 2 cuộc khảo sát trước và sau khi có can thiệp Thiết kế khảo sát này có đặc điểm hay là lựa chọn được cùng một đối tượng nên thỏa mãn giả định song song với những đặc điểm quan sát được và không quan sát được không đổi theo thời gian

Như trong Hình 2.3, ta có hai điểm quan sát trên đối tượng thụ hưởng là: kết quả

trước khi có can thiệp (Y0) và kết quả sau can thiệp (Y2) Như vậy, hiệu quả của

chương trình có thể được tính bằng (Y2 – Y0) Cách làm này còn có tên là phương pháp “so sánh phản thân”, trong đó các kết quả ở đối tượng tham gia trước khi có can thiệp được coi là các kết quả đối chứng Vậy phương pháp này có cho phép ước tính xác thực hiệu quả của chương trình không? Có lẽ là không

Hình 2.3 - Phản thực giả - So sánh giữa trước và sau can thiệp

Nguồn: dựa theo ý tưởng của (Khandker và cộng sự, 2010)

Chuỗi thời gian rõ ràng giúp việc tính toán có vẻ dễ dàng hơn nhưng chắc chắn không cho kết luận về tác động của chính sách Cách so sánh đơn giản như vậy không thể là sự đánh giá chính xác vì những yếu tố bên ngoài khác có thể đã thay đổi theo thời gian Không đối chiếu với những yếu tố khác này có nghĩa là ta sẽ gán sai kết quả ở đối tượng tham gia khi chưa có chương trình là Y0, trong khi đó có thể

là Y1 như trong Hình 2.3, ta có thể thấy mức tác động thực sự có thể là (Y2 – Y1) Nếu không được thực hiện thận trọng thì các so sánh phản thân sẽ không thể phân biệt được giữa hiệu quả của chương trình và các hiệu quả bên ngoài khác, từ đó làm ảnh hưởng đến độ tin cậy của kết quả (Khandker và cộng sự, 2010, trang 42)

2.1.2.3 - Vấn đề sai số lựa chọn

Trọng tâm của đánh giá tác động là giải quyết vấn đề thiếu dữ liệu phản thực, muốn

có dữ liệu phản thực thì ta phải có nhóm đối chứng tương đồng, vì vậy có thể nói

rằng thành công trong đánh giá tác động phụ thuộc nhiều vào chất lượng nhóm đối chứng Bởi vì ta không thể quan sát được kết quả ở đối tượng nhận can thiệp nếu họ

"đã có thể" không tham gia Để khắc phục khó khăn này, ta phải chọn được một nhóm đối chứng có hoàn cảnh rất giống với nhóm can thiệp, để bảo đảm rằng những đối tượng được nhận can thiệp sẽ có những đặc điểm tương tự như những đối tượng thuộc nhóm đối chứng không có can thiệp

Việc lựa chọn nhóm đối chứng và nhóm can thiệp thường không dễ dàng để đạt

được sự tương đồng bởi vì những lý do sau: Một là các chương trình hay chính sách

thường nhắm tới một số đối tượng trong thiết kế và vì vậy nhóm đối tượng thụ hưởng được lựa chọn không ngẫu nhiên mà theo những tiêu chí cụ thể như tình

trạng nghèo, phụ nữ, dân tộc Hai là những đối tượng thụ hưởng có thể tự quyết

định có tham gia các can thiệp của chương trình hoặc không chọn tùy vào mong muốn chủ quan và những đặc điểm không quan sát được (khả năng, tình thân quen) Nếu những đối tượng thuộc nhóm đối chứng có khác biệt với nhóm can thiệp thì họ không thể được coi là "đối chứng" tốt và dữ liệu phản thực không chính xác nữa, điều này dẫn đến việc đánh giá tác động sẽ bị sai lệch gọi là “Sai số lựa chọn”

Để giữ cho sai số lựa chọn ở mức nhỏ, có nhiều phương pháp để giải quyết trong đó PSM và DD là hai đại diện cho hai kỹ thuật giải quyết khác nhau PSM xử lý sai số lựa chọn bằng ghép cặp để so sánh các đối tượng có xác suất tham gia vào nhóm can thiệp và đối chứng gần giống nhau nhất Phương pháp DD thừa nhận có sự khác biệt giữa nhóm đối chứng và can thiệp, phương pháp này thu thập dữ liệu của cả nhóm đối chứng và can thiệp ở thời điểm trước và sau chính sách, từ đó dự đoán kết quả phản thực với giả định 2 nhóm có xu hướng vận động song song nhau

2.1.3 - Phương pháp Kết nối điểm xu hướng PSM

Lý thuyết căn bản về PSM được Robin giới thiệu lần đầu năm 1977, sau đó được các nhóm nghiên cứu của Rosembaun và Robin (năm 1983), Heckman, Ichimura

và Todd (năm 1997) và Dehejia và Wahba (năm 1999) tiếp tục bổ sung hoàn thiện thêm Phương pháp PSM sau đó đã được rất nhiều nhà nghiên cứu sử dụng trong các mô hình thực nghiệm về đánh giá tác động

2.1.3.1 - Cách tiếp cận của phương pháp PSM

Phương pháp PSM tiếp cận theo hướng dùng kỹ thuật thống kê để xây dựng nhóm đối chứng càng gần giống với nhóm can thiệp càng tốt Dựa trên những đặc tính quan sát được và không chịu ảnh hưởng của chương trình, PSM tính xác suất tham gia can thiệp (tức là điểm xu hướng) của các đối tượng Dựa vào xác suất này, mỗi đối tượng nhận can thiệp được so khớp với một đối tượng không nhận can thiệp tương ứng Các đối tượng không có đối tượng so khớp sẽ được loại ra Sau đó, hiệu quả can thiệp bình quân của chương trình được tính bằng sai biệt trung vị trong kết quả giữa hai nhóm (Khandker và cộng sự, 2010, p55)

Về lý thuyết, phương pháp PSM là một công cụ đánh giá tác động hoàn thiện

(Khandker và cộng sự, 2010, p55) Tính hợp lý của phương pháp Điểm xu hướng PSM phụ thuộc vào hai điều kiện: a) thỏa mãn tính độc lập có điều kiện (tức là các yếu tố không quan sát được không ảnh hưởng đến tình trạng tham gia), b) tồn tại vùng hỗ trợ chung giữa nhóm can thiệp và đối chứng lớn6 Có nhiều cách để so sánh giữa 2 nhóm can thiệp và đối chứng dựa trên điểm xu hướng gồm các phương pháp so sánh: cận gần nhất, trong phạm vi bán kính, phân tầng và hạt nhân

2.1.3.2 - Các giả định của phương pháp PSM

PSM xây dựng một nhóm đối chiếu thống kê dựa trên mô hình xác suất tham gia trong can thiệp T tùy thuộc vào các đặc tính quan sát được X, hay điểm xu hướng: P(X) = Pr(T = 1 | X) Rosenbaum and Rubin (1983) chứng minh rằng theo một số giả định nhất định, đối chiếu trên P(X) cũng gần giống như đối chiếu trên X Những

6

Vùng hỗ trợ chung là vùng mà điểm xu hướng giữa các mẫu đối tượng tham gia và không tham gia có sự trùng khớp

giả định cần thiết để xác định được hiệu quả chương trình là "tính độc lập có điều kiện" và "tồn tại vùng hỗ trợ chung"

Tính độc lập có điều kiện (hay giả định không tách biệt) cho rằng các biến đồng thời quan sát được X không chịu ảnh hưởng của can thiệp, tình trạng tham gia hoàn toàn dựa trên các đặc tính quan sát được và các kết quả Y độc lập với chọn mẫu can thiệp T Nếu YiT thể hiện các kết quả của đối tượng tham gia và YiC là kết quả ở các đối tượng không tham gia, thì tính độc lập có điều kiện cho biết:

Tính độc lập có điều kiện phụ thuộc vào những đặc tính cụ thể của bản thân chương trình, nó là một giả định mạnh và không dễ kiểm nghiệm trực tiếp Nếu có đặc tính không quan sát được quyết định tình trạng tham gia chương trình thì tính độc lập có điều kiện sẽ không còn đúng và phương pháp PSM sẽ không còn phù hợp

Hình 2.4 - Minh họa về vùng hỗ trợ chung mạnh

Nguồn: Khandker và cộng sự (2010)

Một giả định thứ hai là tồn tại vùng hỗ trợ chung hay điều kiện trùng lặp: 0 < P(Ti = 1|Xi)< 1 Điều kiện này bảo đảm cho các đối tượng can thiệp được ghép cặp “cận kề” với đối tượng đối chứng có cùng điểm xu hướng (Heckman, LaLonde và Smith 1999) Đặc biệt, hiệu quả của PSM cũng phụ thuộc vào việc có được một số lượng lớn và tương đối ngang bằng các quan sát trên đối tượng can thiệp và đối chứng để

xác định vùng hỗ trợ chung Để tính toán ATT, giả định này có thể được nới lỏng thành P(Ti = 1|Xi) < 1

Các đơn vị can thiệp do vậy phải tương tự như các đối tượng không chịu can thiệp trên các đặc trưng quan sát được không chịu ảnh hưởng bởi tình trạng tham gia Như vậy, một số đối tượng đối chứng có thể bị loại bỏ để bảo đảm khả năng so sánh

và, đôi khi một nhóm nhỏ đối tượng can thiệp cũng có thể bị loại bỏ nếu không có đối tượng tương tự ở nhóm đối chứng Chỉ trong khu vực có hỗ trợ chung mới có

thể thực hiện nội suy về nhân quả Hình 2.4 và Hình 2.5 minh họa 2 tình huống có

vùng hỗ trợ chung mạnh và tình huống có vùng hỗ trợ chung yếu

Hình 2.5 - Minh họa về vùng hỗ trợ chung yếu

Nguồn: Khandker và cộng sự (2010)

2.1.3.3 - Tính toán hiệu quả can thiệp trung bình của nhóm tham gia

Theo Khandker và cộng sự (2010, trang 59), nếu tính độc lập có điều kiện được thỏa mãn và tồn tại vùng hỗ trợ chung giữa đối tượng tham gia và không tham gia, thì ATT/TOT được tính bằng là sai biệt trung vị của Y trên vùng hỗ trợ chung, với gia quyền của đối tượng đối chứng là điểm xu hướng của đối tượng can thiệp

2.1.4 - Phương pháp Sai biệt kép DD

Nghiên cứu khoa học đầu tiên sử dụng một cách rõ ràng cách tiếp cận Sai biệt kép

DD là của Snow tiến hành năm 1855 Kể từ đó đến nay, lý thuyết của phương pháp

DD đã được bổ sung hoàn thiện thêm và được áp dụng trong nhiều mô hình thực nghiệm bởi các nhà nghiên cứu ở khắp mọi nơi

2.1.4.1 - Cách tiếp cận của phương pháp DD

Phương pháp DD dựa trên dữ liệu so sánh đối tượng tham gia và không tham gia chương trình ở cả giai đoạn trước và sau khi có can thiệp Đầu tiên là phải thực hiện khảo sát đầu kỳ cho cả đối tượng không tham gia và tham gia chương trình, sau đó khi đã có can thiệp của chương trình, sẽ cần phải tiến hành một điều tra tiếp theo cho cả hai nhóm đối tượng này Từ dữ liệu thu được, ta sẽ tính toán được sai biệt trung vị giữa các kết quả của nhóm can thiệp và đối chứng trước và sau can thiệp

Ta có thể tính toán được tác động bằng cách giả định tính không đồng nhất không quan sát được là không đổi theo thời gian và không có liên hệ với can thiệp trong thời kỳ Giả định này mờ hơn yếu tố ngoại sinh có điều kiện và thể hiện những thay đổi trong kết quả nhóm đối chiếu gồm đối tượng không tham gia (tức E(Y1C - Y0C |

T1=0)) là yếu tố phản thực phù hợp, tức là bằng với E(Y1C - Y0C | T1=1)

Hình 2.6 - Minh họa về tính tác động bằng Phương pháp DD

Nguồn: dựa theo ý tưởng của Khandker và cộng sự (2010)

Hình 2.6 cho ta thấy giả định song song là ràng buộc quan trọng khi áp dụng

phương pháp DD Hai đường song song Y1Y3 và Y0Y2 hàm ý rằng xu hướng vận động của nhóm đối chứng là hoàn toàn giống nhóm can thiệp trong trường hợp nhóm này không nhận được can thiệp chính sách Nhờ có giả định này mà ta có thể ước lượng gần đúng được kết quả phản thực Y2 Trong thực tế, nhóm đối chứng không phải là anh em “sinh đôi” thực sự của nhóm can thiệp nên Y1Y3 và Y0Y2 sẽ không hoàn toàn song song, vì vậy việc ước tính kết quả phản thực vẫn có sai lệch

2.1.4.2 - Các giả định của phương pháp DD

Phương pháp DD thừa nhận tồn tại sự không đồng nhất không quan sát được trong tình trạng tham gia, nhưng yếu tố này không đổi theo thời gian Với dữ liệu về quan sát đối tượng tham gia dự án và đối chứng, cả trước và sau khi có can thiệp chương trình, ta có thể tính toán sai biệt trong thành phần cố định này

Để tính toán tác động bằng sai biệt kép DD phải thỏa mãn các điều kiện sau:

 Xác định chính xác phương trình tham gia

 Giới hạn sai số không tương quan với các biến khác trong phương trình:

( , ) = 0 ; ( , ) à ( , ) = 0

Giả định cuối cùng ( , ) = 0, còn có tên là giả định xu hướng song song, chính là giả định quan trọng nhất của phương pháp DD Giả định này nói rằng

các đặc trưng không quan sát được có ảnh hưởng đến tình trạng tham gia chính sách

là không đổi theo thời gian Nếu không thỏa mãn giả định song song thì kết quả tính toán tác động bằng phương pháp DD sẽ không còn tin cậy

2.1.4.3 - Tính toán tác động can thiệp trung bình bằng DD

Phương pháp tính toán DD giải quyết vấn đề thiếu dữ liệu phản thực bằng cách dùng cơ chế song song để tính kết quả của đối tượng tham gia và không tham gia trong thời kỳ trước và sau can thiệp Về cơ bản, phương pháp DD so sánh các nhóm

can thiệp và đối chứng dựa trên những khác biệt trong kết quả sau can thiệp ứng với những kết quả trước can thiệp Có nghĩa là, nếu có hai thời kỳ t = 0 trước chương trình và t = 1 sau triển khai chương trình, cho YtT và YtC là các kết quả tương ứng đối với các đơn vị có can thiệp và không có can thiệp của chính sách trong thời gian

t, phương pháp DD sẽ cho phép tính toán tác động chương trình bình quân như sau:

= ( − | = 1) − ( − | = 0) (2.8)

Ta có thể tính được ATTDD bằng phương pháp DD kết hợp với hồi quy OLS trong

đó phép hồi quy được gán quyền số để tính toán sai số có thể có trong DD Cụ thể, phương trình tính toán sẽ có dạng sau:

Trong công thức (2.9), hệ số β thể hiện tương quan giữa biến can thiệp sau chương

trình (Ti1) và thời gian (t = 1 T) cho hiệu quả ATT DD bình quân của chương trình

Vì vậy, nếu sử dụng các ký hiệu như trong công thức (2.8) thì β = ATT DD

2.2 - Lược khảo các nghiên cứu thực nghiệm liên quan

2.2.1 - Đo lường tình trạng nghèo

2.2.1.1 - Nghèo đơn chiều

Trước năm 2010, nghèo đói thường được đo lường đơn chiều thông qua thu nhập hoặc chi tiêu Chuẩn nghèo được xác định dựa trên mức chi tiêu đáp ứng những nhu cầu tối thiểu và được quy ra bằng tiền Người nghèo hay hộ nghèo là những đối tượng có mức thu nhập hoặc chi tiêu thấp hơn chuẩn nghèo Cách đo lường này rõ ràng, dễ hiểu và đã được sử dụng trong khoảng thời gian khá dài

Ở Việt Nam đã tồn tại song song hai phương pháp để đo lường nghèo đơn chiều Phương pháp do MOLISA dùng dữ liệu từ "Tổng điều tra nghèo toàn quốc" thực hiện định kỳ 5 năm để tính mức thu nhập và xác định những hộ gia đình nghèo

được thụ hưởng trong các chương trình giảm nghèo của Chính phủ Phương pháp

do GSO và WB thực hiện dùng dữ liệu từ khảo sát VHLSS định kỳ 2 năm để đo lường mức chi tiêu của hộ và xác đình hộ có thuộc diện nghèo không Phương pháp của GSO-WB đảm bảo đo lường nhất quán theo thời gian, không gian và không phụ thuộc những cân nhắc về ngân sách hoặc chính trị Ngược lại, phương pháp

MOLISA giúp xác định việc phân bổ nguồn lực cho các chương trình và chính sách bảo trợ xã hội và giảm nghèo của Chính phủ (WB, 2012)

Cách thức đo lường nghèo đơn chiều có những hạn chế như sau: Thứ nhất, một số nhu cầu của con người không thể quy ra tiền (như hạnh phúc, an toàn, địa vị xã hội, v.v…) hoặc không thể mua được bằng tiền (tiếp cận giao thông, thị trường, an ninh, môi trường v.v…) Thứ hai, có trường hợp hộ gia đình có thu nhập (có đủ tiền) nhưng không chi cho những nhu cầu cơ bản (vì không có sẵn dịch vụ hay do chính nhận thức của người dân) Vì vậy, nếu chỉ sử dụng chuẩn nghèo thu nhập để đo lường và xác định đối tượng nghèo sẽ có khả năng dẫn đến thiếu chính xác, bỏ sót đối tượng nghèo làm giảm tác dụng của những chính sách hỗ trợ người nghèo

Do nghiên cứu này không tập trung vào nghèo đơn chiều nên sẽ không đi quá sâu vào lược khảo các nghiên cứu thực nghiệm nghèo đơn chiều Thông qua những thông tin phân tích trên, việc lựa chọn phương thức đo lường nghèo đa chiều trong nghiên cứu này là phù hợp hơn

2.2.1.2 - Nghèo đa chiều

Đo lường nghèo đa chiều theo phương pháp của Alkire và Foster đề xuất năm 2008

đã được UNDP lần đầu tiên giới thiệu trong "Báo cáo Phát triển Con người năm 2010" Trong phương pháp gốc của Alkire-Foster, chỉ số tổng hợp MPI được tính toán dựa trên 3 chiều là: Sức khỏe, Giáo dục và Điều kiện sống với 10 chỉ số con Chuẩn nghèo được xác định bằng 1/3 tổng số thiếu hụt cho tất cả các chiều và chỉ

số Dựa vào phương pháp gốc này, đã có rất nhiều các nghiên cứu đo lường nghèo

đa chiều ở các quốc gia trên thế giới Để đo lường chỉ số MPI cần lựa chọn ba trụ cột là chiều, chỉ số và trọng số

Theo nghiên cứu của Trần Tiến Khai và Nguyễn Ngọc Danh (2012, trang 2), kết quả đo lường nghèo đa chiều tùy thuộc rất nhiều vào sự tin cậy của các chiều đo và các chỉ tiêu đại diện cho từng chiều đo Hiện nay, các nghiên cứu sử dụng MPI chủ yếu chọn lựa các chiều đo và các chỉ số dựa trên lý thuyết nghèo và kinh nghiệm thực tiễn là chính Vì vậy, cần có cách thức để chọn lựa các chiều đo và các chỉ tiêu hợp lý về phương diện thống kê, vừa phù hợp với đối tượng cần đo lường

Về chiều đo lường: Tất cả các nghiên cứu thực nghiệm luôn chọn các chiều là giáo

dục, sức khỏe và điều kiện sống Ngoài ra, có một số nghiên cứu đưa thêm 1 số chiều khác như nghiên cứu của Le Viet Ha và cộng sự (2014) đưa thêm chiều bảo hiểm và hỗ trợ xã hội, tiếp cận thông tin và tham gia hoạt động xã hội; nghiên cứu của GSO và UNICEF (2011) đưa thêm chiều nhà ở, nước sạch và vệ sinh, lao động sớm, thừa nhận xã hội và bảo trợ xã hội Nghiên cứu của Neubourg và cộng sự (2010) lại chọn thêm các chiều là thu nhập, nước sạch và vệ sinh, nhà cửa và tiếp cận thị trường

Xác định chiều và chỉ số tùy thuộc vào mục đích của mỗi nghiên cứu Chiều Giáo dục và Sức khỏe luôn được hầu hết các nghiên cứu lựa chọn trong khi chiều Điều kiện sống thường thay đổi nhiều, có khi được tách ra thành nhiều chiều con hoặc bổ sung thêm các chiều mới Hơn nữa, nếu số liệu không đầy đủ có thể điều chỉnh các chỉ số đo lường cho phù hợp Trong nghiên cứu này sẽ lựa chọn 3 chiều Giáo dục, Sức khỏe và Điều kiện sống giống như phương pháp của Alkire và Foster (2008)

Chỉ số và trọng số: Nghiên cứu của Alkire and Santos (2010) chọn 3 chiều là Giáo

dục, Sức khỏe và Điều kiện sống, mỗi chiều có trọng số đều bằng nhau và bằng 1/3 Chiều giáo dục có 2 chỉ số con mỗi chỉ số con có trọng số 1/3 x 1/2 = 1/6, tương tự

chiều sức khỏe cũng có 2 chỉ số con và mỗi chỉ số con có trọng số 1/6 Chiều điều kiện sống có 6 chỉ số con, trọng số mỗi chỉ số con là 1/6 x 1/3 = 1/18 Các nghiên cứu thực nghiệm khác của Le Viet Ha và cộng sự (2014) và Neubourg và cộng sự (2010) cũng chọn chỉ số và trọng số tương tự như Alkire and Santos (2010) Chi tiết

tham khảo thông tin trình bày trong

Hầu hết các nghiên cứu thực nghiệm đều sử dụng các trọng số bằng nhau ở tất cả các chiều và các chỉ số Do đó, nghiên cứu này cũng sẽ chọn các chiều và chỉ số trong mỗi chiều được phân bố trọng số bằng nhau giống như phương pháp được đề xuất bởi Alkire and Foster (2008) Trọng số của chỉ số con bằng trọng số bình quân của mỗi chỉ số trong 1 chiều nhân với trọng số của chiều đó

Một trong những cách để xử lý hạn chế của mô hình OLS trong việc ước lượng tác động của dự án là "lựa chọn ngẫu nhiên" Về mặt học thuật thì đây là cách làm lý tưởng nhưng lại không khả thi trong đa số các trường hợp thực tế Vì vậy, người ta

sử dụng phương pháp "thí nghiệm tự nhiên" như PSM, DD để thay thế, trong đó vận dụng các tình huống đặc biệt để tạo tính ngẫu nhiên trong việc phân bổ các đối tượng điều tra vào nhóm xử lý và nhóm kiểm soát

Nghiên cứu của Simonyan and Omolehin (2012) về tác động của dự án Fadama II đối với thu nhập của những nông dân ở Nigeria với 206 quan sát thuộc mỗi nhóm kiểm soát và đối chứng Nghiên cứu sử dụng phương pháp DD và đã phát hiện thấy thu nhập ròng của người hưởng lợi trước và sau dự án tăng gấp đôi trong khi đó các

hộ không hưởng lợi cũng tăng nhẹ Tác giả Tran Thi Giang và cộng sự (2015) cũng

sử dụng phương pháp DD để tìm kiếm tác động của tín dụng đến chi tiêu của hộ gia đình Kết quả nghiên cứu này cho thấy tín dụng có ảnh hưởng tích cực đến chi tiêu trung bình của các hộ nghèo, dù là tín dụng chính thức hay tín dụng phi chính thức

Lợi thế của các nghiên cứu trên khi sử dụng phương pháp DD là đã tách biệt được tác động của can thiệp thuộc chương trình với các yếu tố khác tồn tại song song trong thời gian chương trình thực hiện Đồng thời phương pháp DD phản ánh sự khác biệt về thời gian (trước và sau khi có chương trình) và phản ánh chênh lệch chéo (giữa các hộ tham gia và không tham gia chương trình) Do đó, nghiên cứu này cũng sẽ sử dụng phương pháp DD để tìm hiểu tác động của dự án TNSP đến chỉ số nghèo đa chiều của hộ MPI h

Tại Ấn Độ, nhóm Imai và cộng sự (2010) đã đánh giá những hộ gia đình được tiếp cận với tài chính vi mô có làm giảm cuộc sống đói nghèo của họ Nghiên cứu này

đã xây dựng Chỉ số dựa vào điểm số (Index Based Ranking - IBR) để đại diện cho khái niệm nghèo đa chiều cụ thể là nhu cầu cơ bản, sự giàu có, loại nhà ở, việc làm

an toàn nhà vệ sinh và an ninh lương thực Chỉ số IBR được tạo ra từ tổng điểm số

có trọng số cho nhiều mục khác nhau với điểm số tối đa là 60 Nghiên cứu đã tìm thấy bằng chứng về hiệu quả tích cực đáng kể của các khoản vay với chỉ số IBR đa chiều kết hợp với cả mô hình Tobit và PSM

Ở Việt Nam, tác giả Vuong Quoc Duy (2015) đã tính toán tác động của tín dụng vi

mô chính thức đối với các chỉ số nghèo đa chiều của hộ gia đình ở vùng Đồng bằng sông Cửu Long Nghiên cứu sử dụng phương pháp PSM để đo lường ảnh hưởng của

việc tiếp cận tín dụng đối với các chỉ số nghèo đa chiều của hộ gia đình như tổng thu nhập và chi tiêu (tác động trong ngắn hạn) và tổng tài sản của gia đình, chi phí giáo dục, tiêu dùng (tác động lâu dài) Các kết quả của nghiên cứu này đã khẳng định rằng có sự tác động của tín dụng vi mô đối với phúc lợi của những hộ có vay vốn đối với mức chi cho giáo dục và chăm sóc sức khoẻ

Từ ý tưởng của 2 nghiên cứu trên đã gợi ý cho nghiên cứu này nên sử dụng một chỉ

số có tính chất tổng hợp bởi nhiều chiều và nhiều khía cạnh để đại diện cho tình trạng nghèo đói của một hộ gia đình Sau khi cân nhắc và rút kinh nghiệm từ các nghiên cứu thực nghiệm, điểm thiếu hụt đa chiều của hộ tính theo phương pháp của Alkire và Foster (2008) có thể được sử dụng

Trong bài nghiên cứu của Peralta (2013) đã tiến hành đánh giá tác động của một dự

án phát triển nông thôn ở Trung Mỹ có nhiều can thiệp gần giống như dự án TNSP

Để kiểm soát việc sắp xếp chương trình có chủ đích và tự lựa chọn người tham gia vào các can thiệp vào dự án, tác giả đã sử dụng dữ liệu bảng với một số kỹ thuật ước lượng bán thực nghiệm gồm Khác biệt đầu tiên FD, Sai biệt kép với kết nối điểm xu hướng PSM-DD và Hồi quy cân bằng có trọng số PSW để điều chỉnh những sai lệch lựa chọn Phân tích tác động của dự án theo diện tích đất canh tác cho thấy rằng việc áp dụng các công nghệ nông nghiệp khác nhau liên quan đến quy

mô sở hữu đất đai

Trong bài nghiên cứu của Cerdán-Infantes và cộng sự (2008) đã đánh giá tác động của việc cung cấp các dịch vụ khuyến nông đối với sản lượng và chất lượng nho của các nhà sản xuất nho ở Mendoza, Argentina Sử dụng phương pháp hiệu quả cố định (DD) và kỹ thuật so sánh (PSM), nghiên cứu đã kết luận rằng mặc dù tác động can thiệp trung bình không đáng kể đối với sản lượng nho nhưng chương trình lại

có nhiều tác động tích cực đến năng suất nho của các nhà sản xuất nằm trong nhóm

có mức năng suất thấp nhất trước khi triển khai chương trình

Bài nghiên cứu của Peralta (2013) giúp nghiên cứu này có cơ sở chọn dự án đa can thiệp TNSP để đánh giá tác động, nghiên cứu này cũng sẽ phân tích tác động theo quy mô sở hữu diện tích đất canh tác để phân loại các tác động tương tự Đồng thời, các nghiên cứu của Peralta (2013) và Cerdán-Infantes và cộng sự (2008) gợi

ý rằng nên lựa chọn kết hợp 2 hoặc 3 phương pháp đánh giá kết hợp trên cùng bộ

dữ liệu để có thể đối chiếu, so sánh và kiểm tra độ tin cậy của các kết quả

Hầu hết các nghiên cứu thực nghiệm nêu trên đều tìm thấy tác động tích cực đáng

kể đến thu nhập hoặc chi tiêu của hộ gia đình Tuy nhiên, nghiên cứu của Coleman (1999) cho thấy có rất ít tác động của tín dụng vi mô đến thu nhập của hộ gia đình

nghèo ở miền bắc Thái Lan Với dữ liệu của Dự án TNSP, nghiên cứu này muốn đo

lường tác động của dự án đến chỉ số nghèo đa chiều của hộ gia đình là tích cực hay không, độ lớn của tác động là đáng kể hay không đáng kể Trường hợp không tìm thấy tác động tích cực và đáng kể đến chỉ số nghèo đa chiều của hộ thì tìm kiếm xem dự án tác động đến khía cạnh nào khác của những hộ hưởng lợi từ dự án

2.2.3 - Các biến kiểm soát ảnh hưởng đến tình trạng nghèo

Tập hợp các biến kiểm soát thường được phân loại thành các nhóm: Đặc điểm của chủ hộ, đặc điểm của hộ gia đình và tùy nghiên cứu sẽ chọn nhóm các biến liên quan đến đặc điểm sản xuất hoặc đặc điểm khác Chi tiết các nghiên cứu thực nghiệm và ảnh hưởng của các biến kiểm soát đến biến phụ thuộc được trình bày

trong Phụ lục 3: Ảnh hưởng của biến kiểm soát trong các nghiên cứu thực nghiệm

Những biến được nhiều nghiên cứu xác nhận rằng có ảnh hưởng đến kết quả của

can thiệp dự án là biến khu vực (GSO và UNICEF, 2011); (Imai và cộng sự, 2010); (Tran Thi Giang và cộng sự, 2015), biến dân tộc (GSO và UNICEF, 2011); (Le Viet

Ha và cộng sự, 2014); (Tran Thi Giang và cộng sự, 2015); (Đinh Phi Hổ và Đông

Đức, 2015), biến giới tính chủ hộ (Phan Thị Nữ, 2010); (Peralta, 2013), biến trình

độ học vấn của chủ hộ (GSO và UNICEF, 2011); (Phan Thị Nữ, 2010); (Tran Thi

Giang và cộng sự, 2015); (Đinh Phi Hổ và Đông Đức, 2015); (Peralta, 2013), biến

tuổi của chủ hộ (GSO và UNICEF, 2011), biến quy mô hộ gia đình (Peralta, 2013), biến số người hoặc tỷ lệ phụ thuộc (GSO và UNICEF, 2011), (Phan Thị Nữ, 2010);

(Đinh Phi Hổ và Đông Đức, 2015), biến tỷ lệ thu nhập phi nông nghiệp (Phan Thị

Nữ, 2010) và biến diện tích đất sản xuất (Đinh Phi Hổ và Đông Đức, 2015);

(Peralta, 2013)

Để đảm bảo hài hòa giữa việc kế thừa và sáng tạo mới, nghiên cứu này sẽ chọn các biến giống như các nghiên cứu trên đây đồng thời sẽ chọn những biến mới hoàn toàn (mà dữ liệu dự án TNSP sẵn có) nhưng chưa được kiểm chứng trong các nghiên cứu trước đây để kiểm tra mức độ ảnh hưởng và chiều tác động của các biến kiểm soát đến tình trạng tham gia dự án và chỉ số nghèo đa chiều của hộ