Các phương pháp dựa trên lựa chọn các biến không quan sát được

Chào mừng các bạn sinh viên đã quay trở lại với chuỗi bài học về kinh tế lượng đánh giá chương trình! Ở chương trước, chúng ta đã cùng nhau tìm hiểu các phương pháp xử lý “thiên lệch công khai” (overt bias), tức là những sai lệch gây ra bởi các yếu tố mà chúng ta có thể quan sát và đo lường được trong bộ dữ liệu. Tuy nhiên, trong thực tế, bài toán khó khăn và phổ biến hơn rất nhiều là khi quyết định tham gia một chương trình (ví dụ: một khóa đào tạo kỹ năng, một chính sách hỗ trợ) lại phụ thuộc vào những yếu tố mà chúng ta không thể thấy được, chẳng hạn như năng lực bẩm sinh, động lực cá nhân, hay thái độ chấp nhận rủi ro. Hiện tượng này được gọi là “lựa chọn dựa trên các yếu tố không quan sát được” hay “thiên lệch ẩn” (hidden bias).

Khi thiên lệch ẩn xuất hiện, các phương pháp quen thuộc như hồi quy tuyến tính hay ghép cặp theo điểm xu hướng sẽ không còn cho chúng ta kết quả đáng tin cậy. Vậy làm thế nào để chúng ta có thể ước lượng được tác động nhân quả thực sự của một chương trình trong bối cảnh phức tạp này? Rất may mắn, các nhà kinh tế lượng đã phát triển một bộ công cụ mạnh mẽ để giải quyết vấn đề hóc búa này. Trong chuỗi bài học sắp tới, chúng ta sẽ cùng nhau khám phá và làm chủ ba phương pháp cốt lõi:

Hành trình này có thể sẽ có nhiều thử thách với các khái niệm và công thức mới, nhưng đừng lo lắng! Mỗi phương pháp sẽ được trình bày một cách tuần tự, từ lý thuyết nền tảng đến các ví dụ thực hành chi tiết bằng Stata. Mục tiêu của chúng ta là giúp các bạn không chỉ hiểu “cái gì” mà còn hiểu “tại sao” và “như thế nào”, để có thể tự tin áp dụng những kỹ thuật này trong các dự án nghiên cứu của riêng mình.

Cấu trúc chuỗi bài học