Bài giảng Phương pháp nghiên cứu và phân tích chính sách: Bài 5 - Một số điều cần tránh và tăng số lượng quan sát

Bài giảng "Phương pháp nghiên cứu và phân tích chính sách: Bài 5 - Một số điều cần tránh và tăng số lượng quan sát" trình bày về những điều cần tránh trong phân tích chính sách như: sai số đo lường; bỏ sót biến quan trọng; thừa biến không liên quan; biến nội sinh;... Mời các bạn cùng tham khảo bài giảng!
Nội dung trích xuất từ tài liệu:
Bài giảng Phương pháp nghiên cứu và phân tích chính sách: Bài 5 - Một số điều cần tránh và tăng số lượng quan sát Vũ Thành Tự Anh Trường Chính sách công và Quản lý Fulbright MỘT SỐ ĐIỀU CẦN TRÁNH   Sai số đo lường  Bỏ sót biến quan trọng  Thừa biến không liên quan  Biến nội sinh Nhắc lại tiêu chí đánh giá suy luận mô tả và suy luận nhân quả   Thiết kế nghiên cứu xác định  Nhất quán nội tại  Không thiên lệch: Trung tâm của khoảng giá trị gần với giá trị ước lượng đúng  Hiệu quả: Thu hẹp khoảng giá trị ước lượng 1. Sai số đo lường: Khi ghi nhận khác thực tế  Source: Tomas Pueyo analysis over chart and data from the Journal of the American Medical Association 1. Sai số đo lường [Ví dụ: Số ca ghi nhận nhiễm COVID-19]  Chỉ gồm các xét nghiệm Gồm cả những trường hợp được trong phòng thí nghiệm chẩn đoán thông qua hình ảnh phổi 1. Sai số đo lường [Sự khác biệt giữa đo lường định tính và định lượng]   Định lượng: Mọi thang đo đều bằng số  Định tính:  Thang đo không nhất thiết bằng số (VD chế độ chính trị, hình thức sở hữu, hay mức độ phân cấp giữa chính quyền trung ương và địa phương)  Những thang đo gần đúng (proxy) không nhất thiết phản ảnh đúng thuộc tính (VD số lượng thương vong không nhất thiết phản ảnh tầm quan trọng của cuộc chiến tranh)  Điều then chốt là nên sử dụng thang đo phù hợp nhất với mục tiêu nghiên cứu. Tác động của sai số đo lường [Sai số hệ thống sv. ngẫu nhiên]  Sai số có tính Sai số có tính hệ thống ngẫu nhiên • Làm thiên lệch suy luận • Làm thiên lệch suy mô tả luận mô tả • Không làm thiên lệch Biến phụ thuộc • Không làm thiên lệch suy luận nhân quả suy luận nhân quả • Giảm hiệu quả ước lượng nhân quả • Làm thiên lệch suy luận • Làm thiên lệch suy mô tả Biến độc lập luận mô tả • Làm suy yếu suy luận • Không làm thiên lệch nhân quả suy luận nhân quả • Giảm hiệu quả ước lượng nhân quả 2. Bỏ sót biến quan trọng   Bỏ sót biến sẽ không ảnh hưởng đến kết quả ước lượng nếu:  Biến (bị sót) không tương quan với biến phụ thuộc  Biến bị sót tuy có tương quan với biến phụ thuộc song không tương quan với (các) biến giải thích khác trong mô hình. Khi ấy:  Ước lượng quan hệ giữa (các) biến giải thích và biến phụ thuộc không bị ảnh hưởng  Nhưng mức độ chính xác trong dự báo giá trị của biến phụ thuộc sẽ bị giảm.  Ví dụ [Xé rào ưu đãi FDI]: Khoảng cách đến thị trường chính và chỉ số PCI không có tương quan.  Trong các trường hợp còn lại, bỏ sót biến (quan trọng) sẽ dẫn tới ước lượng thiên lệch.  Ví dụ: Khi biến bỏ sót tương quan với cả biến phụ thuộc lẫn biến độc lập khác trong mô hình. Bỏ sót biến quan trọng   Ví dụ bạn muốn ước lượng giá của xe hơi cũ: Giá = β1 + β2 .Số dặm + β3 .Tuổi xe  Giả sử trong ước lượng của mình, bạn bỏ quên biến “tuổi xe”: Giá = β1 + β2 .Số dặm  Ước lượng này có bị thiên lệch không?  Có - vì tuổi xe tương quan với cả “giá” và “số dặm”  Chiều hướng của thiên lệch này sẽ như thế nào?  Nó sẽ làm cho β2 nhận giá trị âm lớn hơn vì bây giờ β2 phản ảnh cả tác động (tiêu cực) của “tuổi xe” đến “giá” Bỏ sót biến quan trọng [Chiều hướng thiên lệch]   Giả sử Y là biến phụ thuộc, A và B là 2 biến giải thích, và B là biến bị bỏ quên trong mô hình. B và A B và A tương quan (+) tương quan (-) B và Y Thiên lệch (+) Thiên lệch (-) tương quan (+) B và Y Thiên lệch (-) Thiên lệch (+) tương quan (-) 3. Thừa biến không liên quan   Việc đưa thêm quá nhiều biến liên quan không phải là giải pháp cho nguy cơ bỏ sót biến quan trọng.  Cơ sở của mô hình (cả định lượng và định tính) thường là những lý thuyết đã được kiểm chứng.  Khi số lượng quan sát ít, đưa quá nhiều biến giải thích sẽ có nguy cơ biến mô hình trở thành “không xác định”.  Đưa biến không liên quan vào mô hình tuy không làm thiên lệch ước lượng, song làm giảm hiệu quả của ước lượng, đặc biệt là khi biến này có tương quan với biến giải thích chính. 4. Nội sinh   Vấn đề nội sinh: Giá trị của biến giải thích là hệ quả chứ không phải là nguyên nhân của biến phụ thuộc  Ví dụ 1: “Self-selection” hay “đồng thanh tương ứng”  Học viên Fulbright  Ví dụ 2: “Matthew Effect” hay “nước chảy chỗ trũng”  Đồng tác giả trong các công trình nghiên cứu  Ví dụ 3: Chi KH-CN với năng lực KH-CN TĂNG SỐ LƯỢNG QUAN SÁT   Tối đa hóa đòn bẩy suy luận  Vấn đề của nghiên cứu chỉ dựa vào 1 quan sát  Bao nhiêu quan sát là đủ?  Làm thế nào để tăng số lượng quan sát? Tối đa hóa đòn bẩy suy luận   Một nhiệm vụ của thiết kế nghiên cứu là tối đa hóa “đòn bẩy” cho suy luận (mô tả và nhân quả).  Để thực hiện mục tiêu này, biểu hiện có thể quan sát được càng nhiều và càng mạnh thì càng tốt.  Số lượng quan sát càng nhiều thì khả năng tối đa hóa đòn bẩy càng cao. Số lượng quan sát ...