Những kiểm định chẩn đoán nào là bắt buộc trong Chương 09?

Bộ kiểm định bắt buộc gồm: Joint Pre-Trend Wald Test, Goodman-Bacon Negative Weight Diagnostic, Rambachan–Roth HonestDiD Breakdown M*, Cattaneo rddensity Manipulation Test, SMD Balance Check. Tài liệu chuẩn tham chiếu: Callaway & Sant'Anna (2021); Sun & Abraham (2021); Borusyak, Jaravel & Spiess (2024); Arkhangelsky et al. (2021); Calonico, Cattaneo & Titiunik (2014); Chernozhukov et al. (2018).

Chương 09: Suy luận nhân quả và đánh giá tác động chính sách (Causal Inference & Modern Policy Evaluation)

Q: Khi nào nhà nghiên cứu nên sử dụng các mô hình thuộc Chương 09 (Suy luận nhân quả và đánh giá tác động chính sách)?

Các mô hình trong Chương 09 (causal_policy) giải quyết bài toán: Làm sao để nhận dạng tác động nhân quả tin cậy bằng Staggered DID thế hệ mới, Đối chứng tổng hợp (SCM/SDID), Hồi quy gián đoạn (rdrobust/RKD), MTE, Bunching và Học máy nhân quả? Chương bao gồm 5 nhóm con và 25 phương pháp ước lượng thực thi trực tiếp trên Stata 18, R 4.x và Python 3.11+.

Estimated reading: 19 minutes 1 views

Tóm tắt Tổng quan Chương 09 (AEO Quick Answer): Trong Chương 09 — Suy luận nhân quả và đánh giá tác động chính sách (Causal Inference & Modern Policy Evaluation, mã họ causal_policy), chúng ta sẽ cùng nhau làm chủ 25 mô hình kinh tế lượng được phân bổ có hệ thống vào 5 nhóm phương pháp chuyên sâu. Trọng tâm cốt lõi của chương là giải quyết câu hỏi: “Làm sao để nhận dạng tác động nhân quả tin cậy bằng Staggered DID thế hệ mới, Đối chứng tổng hợp (SCM/SDID), Hồi quy gián đoạn (rdrobust/RKD), MTE, Bunching và Học máy nhân quả?” thông qua thực hành đối chứng 100% trên bộ ba công cụ Stata 18 MP, R 4.x và Python 3.11+ với dữ liệu thực tế từ EcoData và phòng thí nghiệm EcoLab.

1. Đặt vấn đề & Bối cảnh Nghiên cứu của Chương 09

Trong hành trình thực hiện khóa luận tốt nghiệp, luận văn thạc sĩ, luận án tiến sĩ hay các công bố quốc tế chuẩn ISI/Scopus giai đoạn 2021–2026, việc lựa chọn đúng họ mô hình kinh tế lượng (econometric model family, causal_policy) quyết định trực tiếp tính hợp lệ nội tại của toàn bộ nghiên cứu. Rất nhiều bản thảo bị tạp chí từ chối ngay vòng đầu tiên không phải vì thiếu dữ liệu, mà vì nhà nghiên cứu áp dụng ước lượng cổ điển khi cấu trúc dữ liệu đòi hỏi các kỹ thuật chuyên biệt của Suy luận nhân quả và đánh giá tác động chính sách.

Ở Chương 09 này, chúng ta sẽ tiếp cận từng phương pháp từ trực giác kinh tế gần gũi nhất, đi qua cấu trúc đại số và xác suất vừa đủ để hiểu rõ bản chất nhận dạng, rồi trực tiếp thực thi trên cả ba nền tảng phần mềm phổ biến nhất hiện nay. Như biểu diễn tổng quát trong công thức (1), cấu trúc toán học nền tảng của họ mô hình causal_policy được đặt trên hệ tiên đề sau:

$$text{ATT}(g, t) = text{E}[Y_{it}(g) – Y_{it}(infty) mid G_{ig} = 1] tag{1}$$

Từ công thức (1), chúng ta có thể thấy rõ cách thức mà từng nhóm mô hình con trong chương mở rộng hoặc nới lỏng các giả định khắt khe về kỳ vọng có điều kiện, ma trận hiệp phương sai của nhiễu và cơ chế nội sinh trong dữ liệu kinh tế Việt Nam.

2. Bản đồ Cấu trúc 5 Nhóm Phương pháp Con thuộc Chương 09

Để giúp bạn dễ dàng định vị phương pháp phù hợp nhất với đề tài và cấu trúc dữ liệu của mình, bảng dưới đây tổng hợp toàn bộ 5 nhóm con và 25 bài học trong Chương 09:

Mã Nhóm	Tên Nhóm Phương pháp (`sub_model`)	Quy mô	Danh sách Bài học & Mô hình thuộc Nhóm
Nhóm 9.1	`matching` — Ghép cặp & Cân bằng mẫu	2 mô hình	B136 (`propensity_score_matching`), B137 (`entropy_balancing`)
Nhóm 9.4	`treatment_effects` — Tác động điều trị & Nhân quả ML	6 mô hình	B138 (`ipw`), B139 (`aipw`), B150 (`synthetic_control`), B151 (`augmented_synthetic_control`), B159 (`double_ml`), B160 (`causal_forest`)
Nhóm 9.2	`did` — DID cổ điển & Nghiên cứu sự kiện	3 mô hình	B140 (`twfe_did`), B141 (`event_study_did`), B143 (`callaway_santanna_did`)
Nhóm 9.5	`staggered_did_modern` — DID cổ điển & Nghiên cứu sự kiện	8 mô hình	B142 (`bacon_decomposition`), B144 (`sun_abraham_did`), B145 (`borusyak_imputation_did`), B146 (`dechaisemartin_did`), B147 (`wooldridge_etwfe`), B148 (`lp_did`), B149 (`honest_did_sensitivity`), B152 (`synthetic_did`)
Nhóm 9.3	`rdd` — Hồi quy gián đoạn, Gãy khúc, Bunching & MTE	6 mô hình	B153 (`sharp_rdd`), B154 (`fuzzy_rdd`), B155 (`rdrobust_sharp_fuzzy`), B156 (`regression_kink_rkd`), B157 (`bunching_estimator`), B158 (`marginal_treatment_effects`)

3. Danh mục Chi tiết 25 Mô hình Kinh tế lượng & Bộ Công cụ Tri-Engine

Mỗi bài học dưới đây đều được thiết kế theo bố cục 8 phần chuẩn sư phạm: từ giới thiệu phương pháp, tình huống dữ liệu thực tế tại Việt Nam, diễn giải toán học, gói lệnh Stata 18 / R 4.x / Python 3.11+, đến thực hành từng bước và kiến giải chính sách:

Mã Bài	Khóa Mô hình	Tên Bài học Chuyên sâu	Cấp độ	Gói Thư viện Tri-Engine (Stata · R · Python)	Dữ liệu Thực nghiệm Việt Nam (EcoData)
B136	`propensity_score_matching`	Ghép cặp điểm xu hướng Rosenbaum–Rubin (Propensity Score Matching — PSM)	L1	`base Stata` · `MatchIt / stats` · `statsmodels / scikit-learn`	Đánh giá tác động chương trình tín dụng ưu đãi hộ VHLSS
B137	`entropy_balancing`	Cân bằng trọng số Entropy chính xác moment Hainmueller (Entropy Balancing ebal)	L2	`Stata ebalance` · `ebal / stats` · `scipy / statsmodels`	Tác động đào tạo nghề lên thu nhập lao động Việt Nam
B138	`ipw`	Trọng số nghịch đảo xác suất điều trị Horvitz–Thompson (Inverse Probability Weighting — IPW)	L1	`base Stata` · `stats` · `statsmodels`	Đánh giá tác động bảo hiểm y tế hộ gia đình
B139	`aipw`	Ước lượng bền vững kép Robins–Rotnitzky–Zhao (Augmented IPW — Doubly-Robust AIPW)	L2	`base Stata` · `stats` · `statsmodels`	Tác động hỗ trợ lãi suất lên đầu tư doanh nghiệp
B140	`twfe_did`	Sai biệt trong sai biệt hai chiều hiệu ứng cố định cổ điển (Two-Way Fixed Effects DID — TWFE)	L1	`base Stata` · `fixest / plm` · `linearmodels`	Tác động nâng lương tối thiểu vùng tại Việt Nam
B141	`event_study_did`	Thiết kế nghiên cứu sự kiện động dẫn–trễ và kiểm định tiền xu hướng (Dynamic Event-Study DID)	L2	`Stata reghdfe / xtreg` · `fixest` · `linearmodels / statsmodels`	Động học trước và sau khi tỉnh có cao tốc kết nối
B142	`bacon_decomposition`	Định lý phân rã trọng số $2times 2$ và so sánh bị cấm của Goodman-Bacon (bacondecomp)	L3	`bacondecomp` · `bacondecomp` · `Exact Goodman-Bacon Theorem 1 closed-form $2times 2$ DID variance-weight & within/between decomposition solver`	Chẩn đoán chệch TWFE khi chính sách triển khai lệch pha
B143	`callaway_santanna_did`	Ước lượng DID theo nhóm–thời gian không đồng nhất Callaway–Sant’Anna (csdid / did)	L3	`Stata csdid` · `did` · `statsmodels / numpy`	Lộ trình chuyển đổi số lệch pha các tỉnh thành
B144	`sun_abraham_did`	Nghiên cứu sự kiện trọng số tương tác đoàn hệ của Sun–Abraham (eventstudyinteract / sunab)	L3	`eventstudyinteract` · `fixest` · `pyfixest / Interaction-WeightedFE`	Tác động niêm yết lệch năm lên quản trị công ty
B145	`borusyak_imputation_did`	Ước lượng DID suy diễn hiệu quả cao Borusyak–Jaravel–Spiess và Gardner (did_imputation / did2s)	L3	`did_imputation / did2s` · `didimputation / did2s` · `pyfixest`	Đánh giá cải cách hành chính cấp tỉnh với phương sai tối thiểu
B146	`dechaisemartin_did`	Ước lượng DID động cho xử lý bật–tắt đảo chiều De Chaisemartin–D’Haultfœuille (did_multiplegt_dyn)	L4	`did_multiplegt_dyn` · `DIDmultiplegtDYN` · `Cohort-baseline switching DID_M & dynamic DID_l solver với cluster-level influence-function SE`	Tác động các đợt giãn thuế / kiểm soát dịch bật–tắt
B147	`wooldridge_etwfe`	Mô hình hiệu ứng cố định hai chiều mở rộng bão hòa Mundlak của Wooldridge (ETWFE / jwdid)	L3	`Stata 18 xthdidregress twfe / jwdid` · `etwfe + marginaleffects` · `Saturated Mundlak Cohort $times$ Post-Period FE estimator`	Staggered DID cho biến đếm và tỷ trọng
B148	`lp_did`	Phương pháp chiếu cục bộ kết hợp mẫu đối chứng sạch Dube–Girardi–Jordà–Taylor (LP-DID)	L4	`lpdid` · `fixest clean-control LP loop` · `pyfixest`	Đánh giá chính sách có phụ thuộc động học trễ
B149	`honest_did_sensitivity`	Phân tích độ nhạy vi phạm giả định xu hướng song song Rambachan–Roth (HonestDiD)	L3	`honestdid` · `HonestDiD` · `ARP / Fixed-Length Confidence Interval`	Kiểm định độ bền kết luận chính sách
B150	`synthetic_control`	Phương pháp đối chứng tổng hợp Abadie–Diamond–Hainmueller (Synthetic Control Method — SCM)	L2	`Stata synth` · `Synth` · `scipy / numpy`	Đánh giá cơ chế đặc thù TP.HCM / Hải Phòng
B151	`augmented_synthetic_control`	Đối chứng tổng hợp tăng cường hiệu chỉnh chệch Ridge và hoàn thiện ma trận (ASCM / FECT)	L3	`synth + Ridge debiasing / fect` · `Synth + glmnet / fect` · `pysyncon`	Đối chứng tổng hợp khi khớp tiền xử lý chưa hoàn hảo
B152	`synthetic_did`	Sai biệt trong sai biệt tổng hợp Arkhangelsky–Athey–Hirshberg–Imbens–Wager (SDID)	L3	`sdid` · `fect / Synth + Frank–Wolfe SDID` · `pysyncon / Frank–Wolfe regularized unit $hat{omega}$`	Đánh giá chính sách khu vực kinh tế trọng điểm
B153	`sharp_rdd`	Thiết kế hồi quy gián đoạn sắc nhọn tại ngưỡng cắt (Sharp Regression Discontinuity — Sharp RDD)	L1	`Stata rdrobust` · `rdrobust / stats` · `statsmodels`	Ngưỡng điểm chuẩn học bổng / ngưỡng quy mô ưu đãi thuế
B154	`fuzzy_rdd`	Thiết kế hồi quy gián đoạn mờ sử dụng ngưỡng cắt làm biến công cụ cục bộ (Fuzzy RDD)	L2	`Stata rdrobust` · `rdrobust / AER` · `linearmodels / statsmodels`	Tác động chương trình hỗ trợ hộ cận nghèo quanh chuẩn nghèo
B155	`rdrobust_sharp_fuzzy`	Hồi quy gián đoạn đa thức cục bộ hiệu chỉnh chệch bền vững Calonico–Cattaneo–Titiunik (rdrobust & rddensity)	L3	`rdrobust + rddensity` · `rdrobust + rddensity` · `rdrobust + rddensity`	Chuẩn vàng ước lượng RDD và kiểm định thao túng mật độ
B156	`regression_kink_rkd`	Thiết kế gãy khúc hồi quy tại điểm đổi độ dốc công thức chính sách Card–Lee–Pei–Weber (RKD)	L4	`rdrobust, deriv` · `rdrobust` · `rdrobust`	Tác động trần trợ cấp bảo hiểm thất nghiệp
B157	`bunching_estimator`	Ước lượng tích tụ hành vi tại điểm gãy khúc và bước nhảy thuế suất Saez & Kleven–Waseem (Bunching)	L4	`bunchit / polynomial counterfactual density` · `bunching` · `Saez`	Phản ứng của doanh nghiệp tại ngưỡng thuế SME
B158	`marginal_treatment_effects`	Hiệu ứng điều trị biên và biến công cụ cục bộ Heckman–Vytlacil (MTE & PRTE)	L4	`mtefe / margte` · `ivmte / sampleSelection` · `Semiparametric Polynomial & Normal Local-IV MTE`	Lợi suất giáo dục đại học theo kháng cự lựa chọn ẩn
B159	`double_ml`	Học máy khử chệch trực giao Neyman hai bước Chernozhukov (Double / Debiased Machine Learning — DML)	L3	`Stata 18 lasso` · `DoubleML / glmnet` · `scikit-learn / statsmodels`	Nhận dạng nhân quả phi tuyến với biến kiểm soát chiều cao
B160	`causal_forest`	Rừng ngẫu nhiên nhân quả ước lượng tác động điều trị không đồng nhất cá thể Wager–Athey (Causal Forest)	L4	`Stata Python/R bridge` · `grf / randomForest` · `scikit-learn / econml`	Cá nhân hóa chính sách hỗ trợ doanh nghiệp và hộ gia đình

4. Cây Quyết định Lựa chọn Mô hình & Bộ Kiểm định Chẩn đoán Bắt buộc

Khi đứng trước bộ dữ liệu thực tế của đề tài, chúng ta cần tuân thủ quy trình kiểm định tiền ước lượng (pre-estimation) và hậu ước lượng (post-estimation) nghiêm ngặt. Hãy kiểm tra các tiêu chí sau trước khi báo cáo kết quả của Chương 09:

Câu hỏi nhận dạng trung tâm: Làm sao để nhận dạng tác động nhân quả tin cậy bằng Staggered DID thế hệ mới, Đối chứng tổng hợp (SCM/SDID), Hồi quy gián đoạn (rdrobust/RKD), MTE, Bunching và Học máy nhân quả?
Hệ thống kiểm định bắt buộc: Joint Pre-Trend Wald Test, Goodman-Bacon Negative Weight Diagnostic, Rambachan–Roth HonestDiD Breakdown M*, Cattaneo rddensity Manipulation Test, SMD Balance Check
Nguyên tắc đối chứng Tri-Engine: Luôn kiểm tra độ hội tụ của hàm hợp lý / điều kiện moment và đối chiếu sai số chuẩn vững (robust / clustered standard errors) giữa Stata, R và Python.
Tích hợp dữ liệu thực nghiệm Việt Nam: Tận dụng trực tiếp các bộ dữ liệu chuẩn hóa từ EcoData (VHLSS, GSO 63 tỉnh thành, Hải quan, Doanh nghiệp niêm yết HOSE/HNX) và chạy kiểm chứng một chạm trên EcoLab.

Lưu ý Học thuật Quan trọng: Trong các bài công bố quốc tế giai đoạn 2021–2026, việc trình bày kết quả ước lượng thuộc Chương 09 bắt buộc phải đi kèm các thống kê chẩn đoán (Joint Pre-Trend Wald Test, Goodman-Bacon Negative Weight Diagnostic, Rambachan–Roth HonestDiD Breakdown M*, Cattaneo rddensity Manipulation Test, SMD Balance Check) ngay dưới chân bảng hồi quy để chứng minh mô hình không vi phạm giả định nhận dạng.

5. Bộ Prompt Copy-Ready Sinh Infographic Tổng quan Chương 09

Chúng ta có thể sao chép trực tiếp đoạn prompt chuẩn hóa dưới đây vào Gemini NotebookLM hoặc Gemini Nano Banana Pro để tạo ngay bản đồ Infographic 4K tóm tắt toàn bộ cây quyết định của Chương 09 phục vụ slide bảo vệ khóa luận, luận văn hoặc bài giảng trên lớp:

🎨 Copy-Ready Prompt: Gemini NotebookLM / Nano Banana Pro — Infographic Chương 09

[GEMINI NOTEBOOKLM / NANO BANANA PRO — INFOGRAPHIC BLUEPRINT CHƯƠNG 09]
Vai trò: Chuyên gia Thiết kế Đồ họa Thông tin Học thuật (Academic Information Designer) & Giảng viên Kinh tế lượng 18 năm kinh nghiệm.
Chủ đề: Bản đồ Tư duy & Cây Quyết định Lựa chọn Mô hình cho Chương 09: Suy luận nhân quả và đánh giá tác động chính sách (Causal Inference & Modern Policy Evaluation — Họ `causal_policy`).
Bố cục 4 tầng (Tỷ lệ 16:9 chuẩn 4K 3840x2160, nền trắng ngà #F8FAFC, bảng màu xanh Navy #0F172A, xanh cổ vịt #0D9488, vàng đồng #D97706):
1. Tầng Tiêu đề (Top Banner): 'CHƯƠNG 09: SUY LUẬN NHÂN QUẢ VÀ ĐÁNH GIÁ TÁC ĐỘNG CHÍNH SÁCH' — Tổng hợp 5 nhóm con & 25 mô hình Tri-Engine (Stata 18 · R 4.x · Python 3.11+).
2. Tầng Cây Quyết định (Central Decision Flowchart): Sơ đồ rẽ nhánh giúp nhà nghiên cứu chọn đúng mô hình trong 5 nhóm con: (1) Nhóm 9.1 Ghép cặp & Cân bằng mẫu (2 bài: B136, B137); (2) Nhóm 9.4 Tác động điều trị & Nhân quả ML (6 bài: B138, B139, B150, B151, B159, B160); (3) Nhóm 9.2 DID cổ điển & Nghiên cứu sự kiện (3 bài: B140, B141, B143); (4) Nhóm 9.5 DID cổ điển & Nghiên cứu sự kiện (8 bài: B142, B144, B145, B146, B147, B148, B149, B152); (5) Nhóm 9.3 Hồi quy gián đoạn, Gãy khúc, Bunching & MTE (6 bài: B153, B154, B155, B156, B157, B158).
3. Tầng Công thức & Kiểm định Trụ cột (Core Identification & Diagnostics): Câu hỏi trọng tâm (Làm sao để nhận dạng tác động nhân quả tin cậy bằng Staggered DID thế hệ mới, Đối chứng tổng hợp (SCM/SDID), Hồi quy gián đoạn (rdrobust/RKD), MTE, Bunching và Học máy nhân quả?), công thức lõi (text{ATT}(g, t) = text{E}[Y_{it}(g) - Y_{it}(infty) mid G_{ig} = 1]), kiểm định bắt buộc (Joint Pre-Trend Wald Test, Goodman-Bacon Negative Weight Diagnostic, Rambachan–Roth HonestDiD Breakdown M*, Cattaneo rddensity Manipulation Test, SMD Balance Check) và các mô hình tiêu biểu (B136 Ghép cặp điểm xu hướng Rosenbaum–Rubin (Propensity Score Matching — PSM) (propensity_score_matching), B137 Cân bằng trọng số Entropy chính xác moment Hainmueller (Entropy Balancing ebal) (entropy_balancing), B138 Trọng số nghịch đảo xác suất điều trị Horvitz–Thompson (Inverse Probability Weighting — IPW) (ipw), B139 Ước lượng bền vững kép Robins–Rotnitzky–Zhao (Augmented IPW — Doubly-Robust AIPW) (aipw), B140 Sai biệt trong sai biệt hai chiều hiệu ứng cố định cổ điển (Two-Way Fixed Effects DID — TWFE) (twfe_did), B141 Thiết kế nghiên cứu sự kiện động dẫn–trễ và kiểm định tiền xu hướng (Dynamic Event-Study DID) (event_study_did)).
4. Tầng Chân trang (Footer): Hệ sinh thái Dữ liệu Kinh tế Việt Nam EcoData (ecodata.io.vn) · Phòng thí nghiệm Kinh tế lượng EcoLab (ecolab.io.vn) · Cổng Học thuật VietLOD (vietlod.tnsai.vn).

6. Tài liệu Tham khảo Học thuật Trụ cột của Chương 09

Tài liệu gốc & Giáo trình nền tảng: Callaway & Sant’Anna (2021); Sun & Abraham (2021); Borusyak, Jaravel & Spiess (2024); Arkhangelsky et al. (2021); Calonico, Cattaneo & Titiunik (2014); Chernozhukov et al. (2018)
Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press.
Cameron, A. C., & Trivedi, P. K. (2022). Microeconometrics Using Stata (2nd ed., Vols. 1–2). Stata Press.
Hansen, B. E. (2022). Econometrics. Princeton University Press.