Các mơ hình đánh giá tác động - : KHUNG PHÂN TÍCH- 123docz.net

CHƢƠNG 3 : KHUNG PHÂN TÍCH VÀ MƠ HÌNH ĐỀ XUẤT

3.1. Các mơ hình đánh giá tác động

3.1.1. Giới thiệu đánh giá tác động

Tác động của một chính sách thơng thƣờng đƣợc đánh giá dựa trên các thay đổi kết quả đầu ra. Để kết quả đạt đƣợc sự chính xác nhất định, các kỹ thuật đánh giá tác động thƣờng so sánh đầu ra của nhóm tham gia và đối chứng (nhóm đối tƣợng khơng chịu sự tác động của chính sách nhƣng có những tiêu chuẩn tƣơng đồng với nhóm xem xét). Theo Shahidur R. Khandker, Gayatri B. Koolwal (2010) kết quả của sự tác động có thể đƣợc biểu diễn nhƣ sau:

Trong đó D là tác đơng j của chƣơng trình, Yi là yếu tố đầu ra, Yi(1) (hoặc Yi(0)) là đầu ra của đối tƣợng đƣợc (hoặc không) tham gia. T = 1 (hoặc =0) ứng với việc đối tƣợng có (hoặc khơng) tham gia chƣơng trình. E() là hàm kì vọng;

[E(Yi(1)|Ti=1) - E(Yi(0)|Ti=1)] đƣợc gọi là “hiệu quả can thiệp bình quân”, thể hiện sự thay đổi đầu ra giữa nhóm tham gia và nhóm đối chứng;

[E(Yi(0)|T=1) – E(Yi(0) |Ti=0)] đƣợc gọi là phạm vi sai số, thể hiện chênh lệch đầu ra của nhóm đối chứng với giả định có hay khơng tham gia chính sách. Vì đầu ra của nhóm đối chứng trong trƣờng có tham gia chính sách chỉ là giả định, hay nói cách khác là khơng thể quan sát đƣợc E(Yi(0)|Ti=1), nên về cơ bản khơng thể tính đƣợc phạm vi sai số. Do đó, việc cần làm của đánh giá tác động là tìm cách loại bỏ sai số.

Trong giới hạn nghiên cứu này, tác giả giới thiệu ba phƣơng pháp định lƣợng thƣờng đƣợc sử dụng gồm: mẫu ngẫu nhiên, điểm xu hƣớng và khác biệt trong khác biệt.

3.1.2. Phương pháp mẫu ngẫu nhiên

Về thực chất, phƣơng pháp này sẽ lựa chọn ra một mẫu gồm các quan sát có những đặc điểm tƣơng đồng nhau, có tiềm năng trở thành đối tƣợng của chính sách, sau đó, mẫu đƣợc

phân chia một cách ngẫu nhiên vào hai nhóm khác nhau: nhóm tham gia và nhóm khơng

tham gia chính sách. Việc lựa chọn một cách ngẫu nhiên đảm bảo hai nhóm này có sự đồng nhất cao, do đó, kết quả khác biệt đầu ra hồn tồn là tác động của chính sách. Hay nói cách khác, các sai số đã đƣợc loại bỏ.

Lúc này, tác động của chính sách có thể đƣợc diễn đạt bằng phƣơng trình hồi quy đa biến: Y = 0+TTi + XXi + i

Với T là biến có can thiệp chính sách, Xi biến kiểm soát các yếu tố đầu vào và Y là kết quả dầu ra,  i là sai số của phƣơng trình. Phƣơng trình hồi quy này hàm ý rằng sau khi kiểm soát các yếu tố khác biệt Xi, thì tác động của chính sách lúc này là T.

Dễ nhận thấy rằng, với phƣơng pháp mẫu ngẫu nhiên, có hai vấn đề lớn cần đƣợc kiểm sốt tốt nếu muốn đảm bảo về mặt kết quả ƣớc lƣợng: (1) việc phân chia quan sát vào hai nhóm phải ngẫu nhiên; và (2) tập các biến kiểm soát Xi là đầy đủ, tức có thể kiểm sốt hết các biến tác động đến đầu ra chính sách.

3.1.3. Phương pháp điểm xu hướng (PSM – Propensity Score Matching Method)

Thực tế cho thấy rằng, rất khó để tạo ra một nhóm đối chứng ngẫu nhiên hồn tồn để làm căn cứ đánh giá tác động. Vì vậy, bản chất của phƣơng pháp PSM là xây dựng nên một nhóm đối chứng tƣơng đồng nhất với nhóm xem xét dựa trên những đặc trƣng quan sát đƣợc nhất định. Với cách tiếp cận đó, Rosenbaum (1983) đã xây dựng một hàm xác suất về khả năng tham gia chính sách của các đối tƣợng dựa trên tập biến kiểm sốt X. Theo đó, tác giả này chứng minh rằng xem xét trên X cũng tƣơng tự nhƣ xem xét trên P(X), từ đó, các sai biệt giữa nhóm tham gia và nhóm đối chứng có cùng P(X) là có thể tính tốn đƣợc.

nhất giả định về độc lập có điều kiện, cho rằng xác suất tham gia chƣơng trình hồn tồn dựa trên các đặc tính quan sát đƣợc. Thứ hai, giả định về vùng hỗ trợ chung, đảm bảo phải có sự trùng lặp tƣơng đối trong mật độ đối tƣợng tham gia vào nhóm kiểm sốt và đối tƣợng tham gia vào nhóm tác động.

3.1.4. Phương pháp khác biệt trong khác biệt (DiD – Difference in Difference)

DiD là phƣơng pháp đƣợc sử dụng khá phổ biến trong các nghiên cứu đánh giá tác động chính sách. Trong đó, các đối tƣợng nghiên cứu đƣợc phân tách thành hai nhóm: nhóm tham gia/bị tác động bởi chính sách và nhóm đối chứng – nhóm khơng tham gia/khơng bị tác động đáng kể bởi chính sách. Tiếp đến, việc phân tích chính sách cần sử dụng hai biến giả với quy ƣớc nhƣ sau:

- Biến giả phản ánh đặc tính có tham gia chính sách hay khơng của đối tƣợng. D = 1 nếu là nhóm tham gia và D = 0 nếu là nhóm đối chứng.

- Biến giả phản ánh thời điểm T. T = 1 mô tả thời điểm sau khi có chính sách và T = 0 mơ tả thời điểm trƣớc chính sách.

Nguyên tắc cơ bản của phƣơng pháp DiD là so sánh mức chênh lệch giữa kết quả đầu ra Y của hai nhóm này ở thời điểm sau khi có chính sách với trƣớc khi có chính sách. Độ lớn của chênh lệch thể hiện độ lớn của tác động do chính sách mang lại với giả định các yếu tố khác đã đƣợc kiểm soát chặt chẽ thơng qua cách lựa chọn hai nhóm. Nhƣ vậy, ta có thể diễn đạt lại nhƣ sau:

- Vào thời điểm trƣớc khi có chính sách, T = 0, chênh lệch đầu ra của hai nhóm là: (YT=01|D = 1) – (YT=00|D = 0)

- Vào thời điểm sau khi có chính sách, T = 1, chênh lệch đầu ra của hai nhóm là: (YT=11|D = 1) – (YT=10|D = 0)

ATT = [(YT=11|D = 1) – (YT=10|D = 0)] – [(YT=01|D = 1) – (YT=00|D = 0)]

Một trong những giả định quan trọng của phƣơng pháp này là nhóm tham gia và nhóm đối chứng phải có những đặc điểm tƣơng tự nhau trƣớc thời điểm có chính sách diễn ra, từ đó, giả định song song đƣợc đảm bảo. Có nhƣ vậy, chênh lệch đo lƣờng đƣợc của hai nhóm theo phƣơng pháp DiD mới có thể phản ánh gần đúng tác động của chính sách (do các tác động khác đã đƣợc loại bỏ dựa vào giả định song song). Mô tả bằng đồ thị phƣơng pháp DiD nhƣ sau:

Hình 3.1: Sơ đồ thể hiện phƣơng pháp đánh giá tác động chính sách bằng DiD

Nguồn: Nguyễn Xuân Thành, 2006, Phân tích tác động chính sách cơng

Đánh giá tác động chính sách bằng phƣơng pháp DiD là một hình thức mới thay thế cho việc sử dụng phƣơng pháp hồi quy OLS đa biến thơng thƣờng. Vì phƣơng pháp hồi quy đa biến OLS chỉ xem xét sự khác biệt giữa nhóm tham gia và khơng tham gia chính sách vào cùng một thời điểm nên hầu nhƣ nó bỏ qua tác động của rất nhiều yếu tố ảnh hƣởng. Trái lại,

với phƣơng pháp khác biệt kép, việc xem xét sự thay đổi của 2 nhóm tham gia và khơng tham gia vào 2 thời điểm – trƣớc và sau khi có chính sách – cùng với những điều kiện phù hợp sẽ giúp khắc phục đƣợc nhƣợc điểm nêu trên.

Diễn đạt bằng mơ hình hồi quy tuyến tính, ta có dạng nhƣ sau: Y = ao + a1Year*D + a2Year +a3D + a4X + e

Với Year là biến giả chỉ thời gian, nhận giá trị 1 nếu là năm sau khi có chính sách và nhận giá trị 0 nếu là năm trƣớc khi có chính sách. Hệ số của biến tƣơng tác Year*D chính là độ lớn của tác động chính sách.

DiD có thể loại bỏ đƣợc các đặc tính khơng quan sát đƣợc không thay đổi theo thời gian mà PSM không giải quyết đƣợc. Nhƣng phƣơng pháp này vẫn tồn tại 2 vấn đề: thứ nhất là các đặc tính khơng quan sát đƣợc nhƣng thay đổi theo thời gian, và thứ hai là vấn đề không đồng nhất trong tiên nghiệm.

3.1.5. Đánh giá về các phương pháp

Nhƣ vậy, ba phƣơng pháp đánh giá tác động ở trên đều có những ƣu điểm và hạn chế nhất định, khơng có phƣơng pháp nào là hồn hảo. Cụ thể, phƣơng pháp mẫu ngẫu nhiêu rất khó áp dụng trong thực tế vì vấn đề lấy mẫu ngẫu nhiên là không khả dĩ, do vậy, thƣờng xuyên tồn tại các sai số trong mơ hình. Đối với phƣơng pháp điểm xu hƣớng PSM, dữ liệu yêu cầu là dữ liệu bảng, có thể loại bỏ những sai biệt do các đặc trƣng quan sát đƣợc nhƣng đòi hỏi phải tìm đƣợc vùng hỗ trợ chung, cũng nhƣ giả định tập biến kiểm soát là đầy đủ. Phƣơng pháp khác biệt trong khác biệt yêu cầu dữ liệu chéo, có thể loại bỏ đƣợc những đặc trƣng không quan sát đƣợc và không thay đổi theo thời gian nhƣng lại gặp hạn chế với những đặc trƣng không quan sát đƣợc và thay đổi theo thời gian.

Nguồn: tác giả tổng hợp

Hình 3.2: Tổng hợp một số phƣơng pháp đánh giá tác động theo dạng dữ liệu Trong phạm vi nghiên cứu này, nhằm có đƣợc kết quả đánh giá tác động chính xác Trong phạm vi nghiên cứu này, nhằm có đƣợc kết quả đánh giá tác động chính xác nhất, tác giả kết hợp phƣơng pháp khác biệt trong khác biệt kết hợp điểm xu hƣớng.