9. Suy luận nhân quả và đánh giá tác động chính sách
TÓM TẮT CHƯƠNG 9: Chương 9. Suy luận nhân quả và đánh giá tác động chính sách bao gồm 5 nhóm phương pháp và 25 bài giảng chuyên sâu, tập trung giải quyết bài toán cốt lõi: “Làm sao để nhận dạng tác động nhân quả tin cậy bằng Staggered DID thế hệ mới, Đối chứng tổng hợp (SCM) và (SDID), Hồi quy gián đoạn, MTE, Bunching và Học máy nhân quả?”. Nội dung lý thuyết và quy trình kiểm định gồm Joint Pre-Trend Wald Test, Goodman-Bacon Negative Weight Diagnostic, Rambachan–Roth HonestDiD Breakdown M*, Cattaneo rddensity Manipulation Test, SMD Balance Check được tổng hợp từ các công trình gốc của Callaway & Sant’Anna (2021); Sun & Abraham (2021); Borusyak, Jaravel & Spiess (2024); Arkhangelsky et al. (2021); Calonico, Cattaneo & Titiunik (2014); Chernozhukov et al. (2018) và hệ thống giáo trình chuẩn quốc tế của Cerulli (2022); Cameron & Trivedi (2022); Wooldridge (2010); Stock & Watson (2020).
1. Đặt vấn đề và bối cảnh nghiên cứu
Trong nghiên cứu thực nghiệm kinh tế, tài chính và chính sách công, việc lựa chọn đúng cấu trúc mô hình thuộc chương Suy luận nhân quả và đánh giá tác động chính sách quyết định trực tiếp tính không chệch, tính nhất quán và hiệu lực suy luận thống kê của các ước lượng theo Cerulli (2022); Cameron & Trivedi (2022); Wooldridge (2010); Stock & Watson (2020). Khi cấu trúc dữ liệu thực tế vi phạm các giả định cổ điển, nhà nghiên cứu cần áp dụng chính xác các phương pháp chuyên biệt được trình bày trong chương này theo Callaway & Sant’Anna (2021); Sun & Abraham (2021); Borusyak, Jaravel & Spiess (2024); Arkhangelsky et al. (2021); Calonico, Cattaneo & Titiunik (2014); Chernozhukov et al. (2018).
Khung biểu diễn toán học tổng quát cho các mô hình thuộc chương 9 được xác lập tại phương trình 1:
$$\text{ATT}(g, t) = \text{E}[Y_{it}(g) – Y_{it}(\infty) \mid G_{ig} = 1] \tag*{[1]}$$
Từ phương trình 1, mỗi nhóm phương pháp con trong chương sẽ cụ thể hóa điều kiện nhận dạng, cấu trúc ma trận hiệp phương sai của sai số và thuật toán tối ưu hóa phù hợp với từng thiết kế dữ liệu tại Việt Nam theo Callaway & Sant’Anna (2021); Sun & Abraham (2021); Borusyak, Jaravel & Spiess (2024); Arkhangelsky et al. (2021); Calonico, Cattaneo & Titiunik (2014); Chernozhukov et al. (2018); Cerulli (2022); Cameron & Trivedi (2022); Wooldridge (2010); Stock & Watson (2020).
2. Cấu trúc các nhóm phương pháp trong chương
Chương 9 được tổ chức thành 5 nhóm bài giảng theo thứ tự từ nền tảng đến nâng cao:
3. Danh mục các mô hình kinh tế lượng
Bảng dưới đây đối chiếu toàn bộ 25 bài giảng thuộc chương 9 cùng bộ thư viện thực thi trên Stata 18, R 4.x, Python 3.11+ và các kiểm định chẩn đoán bắt buộc:
| Mã mục | Tên bài giảng | Thư viện thực thi Stata · R · Python | Kiểm định chẩn đoán bắt buộc | Dữ liệu thực nghiệm Việt Nam |
|---|---|---|---|---|
| 9.1.1 | Ghép cặp điểm xu hướng Rosenbaum–Rubin (PSM) | base Stata · MatchIt / stats · statsmodels / scikit-learn |
Kiểm tra miền giao thoa chung, chênh lệch chuẩn hóa trung bình các biến đồng biến sau ghép cặp, tỷ số phương sai và phân tích độ nhạy Rosenbaum Bounds | Đánh giá tác động chương trình tín dụng ưu đãi hộ VHLSS |
| 9.1.2 | Cân bằng trọng số Entropy chính xác moment Hainmueller | Stata ebalance · ebal / stats · scipy / statsmodels |
Kiểm tra bảng đối chiếu 3 moment trước và sau cân bằng, kiểm tra trọng số cực đoan và sai số chuẩn vững theo trọng số | Tác động đào tạo nghề lên thu nhập lao động Việt Nam |
| 9.2.1 | Sai biệt trong sai biệt hai chiều hiệu ứng cố định (TWFE) | base Stata · fixest / plm · linearmodels |
Kiểm định giả định xu hướng song song tiền điều trị, kiểm định giả dược thời gian và nhóm, sai số chuẩn phân cụm cấp đơn vị điều trị và phân rã Goodman-Bacon nếu thời điểm điều trị lệch pha | Tác động nâng lương tối thiểu vùng tại Việt Nam |
| 9.2.2 | Thiết kế nghiên cứu sự kiện động và kiểm định tiền xu hướng | Stata reghdfe / xtreg · fixest · linearmodels / statsmodels |
Kiểm định Wald đồng thời toàn bộ các hệ số dẫn tiền điều trị, đồ thị Event-Study kèm dải tin cậy 95% phân cụm và kiểm tra hiện tượng nhiễm chéo đoàn hệ Sun–Abraham | Động học trước và sau khi tỉnh có cao tốc kết nối |
| 9.2.3 | Ước lượng DID theo nhóm–thời gian không đồng nhất Callaway–Sant’Anna | Stata csdid · did · csdid / statsmodels |
Kiểm định Wald đồng thời cho các hiệu ứng tiền điều trị, tổng hợp hiệu ứng theo thời gian sự kiện, theo đoàn hệ và theo lịch năm kèm dải tin cậy đồng thời Multiplier Bootstrap | Lộ trình chuyển đổi số lệch pha các tỉnh thành |
| 9.3.1 | Thiết kế hồi quy gián đoạn sắc nhọn tại ngưỡng cắt (RDD) | Stata rdrobust · rdrobust / stats · rdrobust / statsmodels |
Kiểm định mật độ liên tục của biến chạy McCrary / Cattaneo–Jansson–Ma để bác bỏ thao túng điểm số, kiểm định tính liên tục của các biến đồng biến tiền điều trị tại ngưỡng cắt và kiểm tra độ nhạy theo băng thông | Ngưỡng điểm chuẩn học bổng / ngưỡng quy mô ưu đãi thuế |
| 9.3.2 | Thiết kế hồi quy gián đoạn mờ với biến công cụ cục bộ | Stata rdrobust · rdrobust / AER · rdrobust / linearmodels |
Kiểm định độ mạnh bước nhảy xác suất giai đoạn 1 tại ngưỡng cắt, kiểm định thao túng mật độ rddensity, ước lượng LATE cho nhóm tuân thủ tại ngưỡng và độ nhạy băng thông | Tác động chương trình hỗ trợ hộ cận nghèo quanh chuẩn nghèo |
| 9.3.3 | Hồi quy gián đoạn đa thức cục bộ hiệu chỉnh chệch bền vững | rdrobust · rdrobust · rdrobust |
Bộ 3 ước lượng Conventional / Bias-Corrected / **Robust CI**, băng thông $h, b$ và cỡ mẫu hiệu dụng $N_-, N_+$, kiểm định thao túng mật độ rddensity quanh $c$, placebo cutoffs. | Chuẩn vàng ước lượng RDD và kiểm định thao túng mật độ |
| 9.3.4 | Thiết kế gãy khúc hồi quy tại điểm đổi độ dốc chính sách (RKD) | rdrobust · rdrobust · rdrobust |
Kiểm định trơn mật độ và đạo hàm bậc nhất mật độ biến chạy tại $c$, kiểm định trơn đạo hàm của các biến tiền định, Robust CI. | Tác động trần trợ cấp bảo hiểm thất nghiệp |
| 9.3.5 | Ước lượng tích tụ hành vi tại ngưỡng chính sách Saez–Kleven | bunchit · bunching · statsmodels |
Khối lượng tích tụ tuyệt đối $\hat{B}$ & chuẩn hóa $\hat{b}$ kèm bootstrap $z$-stat, độ co giãn thu nhập/quy mô suy diễn $\hat{e}$, tỷ lệ phản ứng trì trệ — optimization frictions share tại notch , kiểm định độ nhạy bậc đa thức $p \in \{3..7\}$. | Phản ứng của doanh nghiệp tại ngưỡng thuế SME |
| 9.3.6 | Hiệu ứng điều trị biên và biến công cụ cục bộ (MTE) | mtefe · ivmte · statsmodels |
Miền giao thoa điểm xu hướng Common Support $[p_{\min}, p_{\max}]$, kiểm định Wald về tính không đồng nhất thiết yếu — $H_0: \partial \text{MTE}/\partial u_D = 0$, tức ATE = ATT = LATE , bảng đối chiếu ATE / ATT / ATU / LATE. | Lợi suất giáo dục đại học theo kháng cự lựa chọn ẩn |
| 9.4.1 | Trọng số nghịch đảo xác suất điều trị Horvitz–Thompson (IPW) | base Stata · WeightIt / stats · statsmodels |
Kiểm định cân bằng hiệp phương sai có trọng số, kiểm tra xác suất cực đoan gần 0 hoặc 1 và sai số chuẩn GMM/Bootstrap | Đánh giá tác động bảo hiểm y tế hộ gia đình |
| 9.4.2 | Ước lượng bền vững kép tăng cường trọng số xác suất (AIPW) | base Stata · AIPW / stats · doubleml / statsmodels |
Kiểm định cân bằng biến đồng biến, kiểm tra miền giao thoa điểm xu hướng và đối chiếu kết quả giữa RA, IPW và AIPW | Tác động hỗ trợ lãi suất lên đầu tư doanh nghiệp |
| 9.4.3 | Phương pháp đối chứng tổng hợp Abadie–Diamond–Hainmueller (SCM) | Stata synth · Synth · pysyncon / scipy |
Độ lệch căn phương sai dự báo tiền điều trị, kiểm định hoán vị giả dược không gian, giả dược thời gian và kiểm tra độ nhạy Leave-One-Out | Đánh giá cơ chế đặc thù TP.HCM / Hải Phòng |
| 9.4.4 | Đối chứng tổng hợp tăng cường hiệu chỉnh chệch Ridge (ASCM) | synth / fect · Synth / fect · pysyncon |
Độ giảm chệch L2 imbalance trước/sau Ridge augmentation, Conformal inference $p$-value, kiểm định hoán vị không gian & leave-one-donor-out. | Đối chứng tổng hợp khi khớp tiền xử lý chưa hoàn hảo |
| 9.4.5 | Học máy nhân quả khử chệch trực giao Neyman (DML) | Stata 18 lasso · DoubleML / glmnet · doubleml / scikit-learn |
Đánh giá chất lượng dự báo ngoài mẫu — Out-of-fold R^2 / MSE — của hai hàm học máy nuisance l_hat[X] và m_hat[X], kiểm tra tính ổn định ước lượng qua các bộ chia K-Fold và so sánh giữa PLR với IRM | Nhận dạng nhân quả phi tuyến với biến kiểm soát chiều cao |
| 9.4.6 | Rừng ngẫu nhiên nhân quả ước lượng hiệu ứng không đồng nhất | Stata Python/R bridge · grf / randomForest · econml / scikit-learn |
Kiểm định hiệu chuẩn tuyến tính tốt nhất — Best Linear Predictor calibration test cho tính không đồng nhất thực sự của CATE , biểu đồ phân phối CATE[x], độ quan trọng biến chia nhánh và khoảng tin cậy Asymptotic Normal / Jackknife | Cá nhân hóa chính sách hỗ trợ doanh nghiệp và hộ gia đình |
| 9.5.1 | Phân rã trọng số hai nhân hai của Goodman-Bacon | bacondecomp · bacondecomp · linearmodels |
Tổng tỷ trọng và ước lượng DID trung bình theo 3 nhóm, tỷ phần trọng số bị ô nhiễm động học. | Chẩn đoán chệch TWFE khi chính sách triển khai lệch pha |
| 9.5.2 | Nghiên cứu sự kiện trọng số tương tác đoàn hệ Sun–Abraham | eventstudyinteract · fixest · pyfixest |
Kiểm định Wald đồng thời các hệ số tiền xử lý $\ell < -1$ — $H_0: \text{parallel pre-trends}$ , ATT gộp sau xử lý và chuỗi Event-Study động theo $\ell$. | Tác động niêm yết lệch năm lên quản trị công ty |
| 9.5.3 | Ước lượng DID suy diễn khử chệch Borusyak–Jaravel–Spiess | did_imputation · did2s · pyfixest |
Kiểm định $F$ tiền xu hướng tách biệt hoàn toàn với ước lượng ATT — tránh pre-test bias Roth 2022 , kiểm định trọng số âm bằng 0, dynamic horizon ATTs. | Đánh giá cải cách hành chính cấp tỉnh với phương sai tối thiểu |
| 9.5.4 | Ước lượng DID động cho xử lý đảo chiều de Chaisemartin–D’Haultfœuille | did_multiplegt_dyn · DIDmultiplegtDYN · linearmodels |
Kiểm định đồng thời các placebo tiền chuyển đổi $\text{DID}_{\ell}^{\text{pl}} = 0$, hiệu ứng tích lũy chuẩn hóa trên mỗi đơn vị liều xử lý. | Tác động các đợt giãn thuế / kiểm soát dịch bật–tắt |
| 9.5.5 | Mô hình hiệu ứng cố định hai chiều mở rộng Mundlak (ETWFE) | Stata 18 xthdidregress / jwdid · etwfe · pyfixest |
Kiểm định Wald đồng nhất hiệu ứng giữa các đoàn hệ — kiểm tra xem TWFE đơn giản có bị chệch hay không , kiểm định pre-trend tương tác, gộp biên emfx. | Staggered DID cho biến đếm và tỷ trọng |
| 9.5.6 | Phương pháp chiếu cục bộ kết hợp mẫu đối chứng sạch (LP-DID) | lpdid · fixest · pyfixest |
Đường phản ứng Event-Study sạch theo chân trời $h \in [-K, H]$, kiểm định Wald đồng thời các kỳ tiền xử lý $h < -1$, cỡ mẫu đối chứng sạch hiệu dụng tại từng chân trời $N_{\text{clean}}[h]$. | Đánh giá chính sách có phụ thuộc động học trễ |
| 9.5.7 | Phân tích độ nhạy vi phạm xu hướng song song Rambachan–Roth | honestdid · HonestDiD · scipy / statsmodels |
Giá trị ngưỡng gãy Breakdown Value $\bar{M}^*$, bảng khoảng tin cậy bền vững theo lưới $\bar{M} \in \{0, 0.5, 1.0, 1.5, 2.0\}$, so sánh Original CI vs Honest CI. | Kiểm định độ bền kết luận chính sách |
| 9.5.8 | Sai biệt trong sai biệt tổng hợp (SDID) | sdid · synthdid / fect · pysyncon |
Sai số khớp tiền xử lý pre-treatment RMSE, độ tập trung trọng số hiệu dụng $N_{\text{eff}} = 1/\sum \hat{\omega}_i^2$, so sánh tam giác DID vs SC vs SDID. | Đánh giá chính sách khu vực kinh tế trọng điểm |
4. Quy tắc chọn mô hình và kiểm định
Trước khi công bố kết quả ước lượng thuộc chương 9, nhà nghiên cứu cần thực hiện đầy đủ danh mục kiểm tra học thuật sau theo Cerulli (2022); Cameron & Trivedi (2022); Wooldridge (2010); Stock & Watson (2020):
- 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) và (SDID), Hồi quy gián đoạn, MTE, Bunching và Học máy nhân quả?
- Hệ thống kiểm định chẩn đoán bắt buộc: Joint Pre-Trend Wald Test, Goodman-Bacon Negative Weight Diagnostic, Rambachan–Roth HonestDiD Breakdown M*, Cattaneo rddensity Manipulation Test, SMD Balance Check.
- Suy luận thống kê vững: Luôn kiểm tra cấu trúc phương sai thay đổi, tự tương quan hoặc phụ thuộc cụm để lựa chọn ma trận hiệp phương sai sai số chuẩn phù hợp trên Stata 18, R 4.x và Python 3.11+ theo Callaway & Sant’Anna (2021); Sun & Abraham (2021); Borusyak, Jaravel & Spiess (2024); Arkhangelsky et al. (2021); Calonico, Cattaneo & Titiunik (2014); Chernozhukov et al. (2018).
LƯU Ý HỌC THUẬT: Khi trình bày bảng kết quả ước lượng thuộc chương 9 trong khóa luận, luận văn, luận án hoặc bài báo khoa học, cần báo cáo đầy đủ giá trị thống kê và $p$-value của bộ kiểm định gồm 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 để minh chứng mô hình thỏa mãn điều kiện nhận dạng theo Cerulli (2022); Cameron & Trivedi (2022); Wooldridge (2010); Stock & Watson (2020).
5. Tài liệu tham khảo
- Callaway, B, & Sant’Anna, P. H. C.(2021). Difference-in-differences with multiple time periods. Journal of Econometrics, 225, số 2, 200–230.
- Sun, & Abraham(2021). Econometric specification, identification, and asymptotic inference.
- Borusyak, Jaravel, & Spiess(2024). Econometric specification, identification, and asymptotic inference.
- Arkhangelsky et al.(2021). Econometric specification, identification, and asymptotic inference.
- Calonico, S, Cattaneo, M. D, & Titiunik, R.(2014). Robust nonparametric confidence intervals for regression-discontinuity designs. Econometrica, 82, số 6, 2295–2326.
- Chernozhukov, V, Chetverikov, D, Demirer, M, Duflo, E, Hansen, C, Newey, W, & Robins, J.(2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21, số 1, C1–C68.
- Cerulli, G.(2022). Econometric Evaluation of Socio-Economic Programs: Theory and Applications, 2nd ed, Chương 1–6: Matching, IPW, DID, RDD and Synthetic Control. Springer.
- Cameron, A. C, & Trivedi, P. K.(2022). Microeconometrics Using Stata, 2nd ed, Vol. 2, Chương 23–25 & 29: Treatment Effects, DID, RDD and Causal ML. Stata Press.
- Wooldridge, J. M.(2010). Econometric Analysis of Cross Section and Panel Data, 2nd ed, Chương 21: Estimating Average Treatment Effects. MIT Press.
- Stock, J. H, & Watson, M. W.(2020). Introduction to Econometrics, 4th ed, Chương 13: Experiments and Quasi-Experiments. Pearson.
ĐIỀU HƯỚNG HỌC TẬP:
↑ Tài liệu gốc: KINH TẾ LƯỢNG ỨNG DỤNG TOÀN DIỆN TỪ A – Z
← Chương trước: 8. Độ biến động tài chính, định giá tài sản và rủi ro hệ thống
→ Nhóm đầu tiên trong chương: 9.1. Ghép cặp và cân bằng mẫu
→ Bài học đầu tiên trong chương: 9.1.1. Ghép cặp điểm xu hướng Rosenbaum–Rubin (PSM)
→ Chương tiếp theo: 10. Kinh tế lượng không gian, sai số chuẩn Conley và mạng cặp đôi
↑ Tài liệu gốc: KINH TẾ LƯỢNG ỨNG DỤNG TOÀN DIỆN TỪ A – Z
← Chương trước: 8. Độ biến động tài chính, định giá tài sản và rủi ro hệ thống
→ Nhóm đầu tiên trong chương: 9.1. Ghép cặp và cân bằng mẫu
→ Bài học đầu tiên trong chương: 9.1.1. Ghép cặp điểm xu hướng Rosenbaum–Rubin (PSM)
→ Chương tiếp theo: 10. Kinh tế lượng không gian, sai số chuẩn Conley và mạng cặp đôi
Bài liên quan
- 9.1. Ghép cặp và cân bằng mẫu
- 9.2. Sai biệt trong sai biệt cổ điển và nghiên cứu sự kiện
- 9.3. Hồi quy gián đoạn, gãy khúc, tích tụ và hiệu ứng biên
- 9.3.1. Thiết kế hồi quy gián đoạn sắc nhọn tại ngưỡng cắt (RDD)
- 9.3.2. Thiết kế hồi quy gián đoạn mờ với biến công cụ cục bộ
- 9.3.3. Hồi quy gián đoạn đa thức cục bộ hiệu chỉnh chệch bền vững
- 9.3.4. Thiết kế gãy khúc hồi quy tại điểm đổi độ dốc chính sách (RKD)
- 9.3.5. Ước lượng tích tụ hành vi tại ngưỡng chính sách Saez–Kleven
- 9.3.6. Hiệu ứng điều trị biên và biến công cụ cục bộ (MTE)
- 9.4. Trọng số xác suất nghịch đảo, đối chứng tổng hợp và học máy nhân quả
- 9.4.1. Trọng số nghịch đảo xác suất điều trị Horvitz–Thompson (IPW)
- 9.4.2. Ước lượng bền vững kép tăng cường trọng số xác suất (AIPW)
- 9.4.3. Phương pháp đối chứng tổng hợp Abadie–Diamond–Hainmueller (SCM)
- 9.4.4. Đối chứng tổng hợp tăng cường hiệu chỉnh chệch Ridge (ASCM)
- 9.4.5. Học máy nhân quả khử chệch trực giao Neyman (DML)
- 9.4.6. Rừng ngẫu nhiên nhân quả ước lượng hiệu ứng không đồng nhất
- 9.5. Sai biệt trong sai biệt lệch pha hiện đại
- 9.5.1. Phân rã trọng số hai nhân hai của Goodman-Bacon
- 9.5.2. Nghiên cứu sự kiện trọng số tương tác đoàn hệ Sun–Abraham
- 9.5.3. Ước lượng DID suy diễn khử chệch Borusyak–Jaravel–Spiess
- 9.5.4. Ước lượng DID động cho xử lý đảo chiều de Chaisemartin–D’Haultfœuille
- 9.5.5. Mô hình hiệu ứng cố định hai chiều mở rộng Mundlak (ETWFE)
- 9.5.6. Phương pháp chiếu cục bộ kết hợp mẫu đối chứng sạch (LP-DID)
- 9.5.7. Phân tích độ nhạy vi phạm xu hướng song song Rambachan–Roth
- 9.5.8. Sai biệt trong sai biệt tổng hợp (SDID)