Tóm tắt Luận án Tín dụng vi mô và mức sống của nông hộ ở việt nam

0 3.2. TDVM ở nông thôn Việt Nam 3.2.1. Các nhà cung cấp TDVM Thị trường tài chính nông thôn ở Việt Nam có ba bộ phận làm nhiệm vụ cung cấp các dịch vụ tài chính, bao gồm: chính thức, bán chính thức và phi chính thức. Là một thành phần trong thị trường tín dụng nông thôn, TDVM cũng có những đặc điểm tương tự. Các nhà cung cấp dịch vụ TDVM ở nông thôn Việt Nam bao gồm (ADB, 2010): • Chính thức: Ngân hàng Nông nghiệp và Phát triển Nông thôn (VBARD), Công ty Tiết kiệm Bưu điện (VPSC), Ngân hàng Chính sách Xã hội (VBSP), Quỹ Tín dụng Nhân dân (PCF). • Bán chính thức: Các tổ chức Tài chính vi mô (MFIs). • Phi chính thức: Họ hàng và bạn bè, Hụi/họ, Người cho vay cá nhân. 3.2.2. Hoạt động tín dụng và khách hàng VBSP, VBARD và PCF là những nhà cung cấp chính thức lớn nhất. Trong số các MFIs, Quỹ trợ vốn cho người lao động nghèo tự tạo việc làm (CEP) và Tổ chức Tài chính vi mô TNHH Một thành viên Tình Thương (TYM) là những nhà cung cấp tài chính vi mô bán chính thức lớn nhất. VBARD và PCF có vẻ như chỉ tập trung vào đối tượng khách hàng có thu nhập trung bình và cao. VBSP chủ yếu phụ vụ cho nhóm khách hàng có thu nhập trung bình và thấp, bao gồm cả hộ nghèo, trong khi đó nhiệm vụ của các MFIs chủ yếu là hướng đến người nghèo hoặc người có thu nhập thấp. Lãi suất trung bình của VBSP là 0.67%/tháng. Lãi suất trung bình của PCF cao hơn và ở mức 1.56%/tháng. Trong khi, khách hàng của MFIs phải trả mức lãi suất lên đến 1.41%/tháng. Bảng 3.3 – Nhà cung cấp tín dụng vi mô ở Việt Nam Tổ chức Số khách hàng (Triệu người) Giá trị khoản vay nợ (Triệu USD) Khoản vay trung bình (USD) Lãi suất (%/tháng) VBSP 8.1 4588 566 0.67 VBARD 3.2 3500 1094 PCF 1.7 1700 1000 0.65 MFIs 0.6 75 125 1.41 Nguồn: Anh và cộng sự (2011) 3.2.3. Vai trò giảm nghèo của TDVM Tín dụng vi mô đóng vai trò quan trọng trong việc giúp ngươi vay thoát nghèo, tuy nhiên, lại không có tác động mức sống của nhóm khá giả. 11 CHƯƠNG 4 – CÁC YẾU TỐ TÁC ĐỘNG ĐẾN KHẢ NĂNG TIẾP CẬN TÍN DỤNG VI MÔ 4.1. Phương pháp nghiên cứu 4.1.1. Phương pháp ước lượng Nghiên cứu này sử dụng mô hình Logit. Dựa trên nghiên cứu của Train (2003) và Li và cộng sự (2011), mô hình được viết dưới dạng tuyến tính như sau: Pr log [Pr( 1)] log 1 Pr] it itit Cr X    = = = + −  Trong đó, Crit là khả năng tiếp cận TDVM (1=Có vay; 0=Không vay); Xit là các biến giải thích quan sát được; i, t là hộ gia đình i ở thời điểm t. Nghiên cứu sử dụng Phương pháp Ước lượng Khả năng Cực đại (Maximum likelihood Estimation, MLE) với Mô hình Tác động Cố định (Fixed Effects Model, FEM) và Tác động Ngẫu nhiên (Random Effects Model, REM) sử dụng dữ liệu bảng, tuy nhiên REM sẽ là phù hợp hơn. Nghiên cứu này cũng chia mẫu ra thành hộ nghèo và không nghèo để phân tích sâu thêm. 4.1.2. Lựa chọn biến số 4.1.2.1. Biến phụ thuộc Biến phụ thuộc là khả năng tiếp cận TDVM và là một biến giả (=1 nếu có vay). Trong nghiên cứu này, TDVM được định nghĩa là khoản vay không thế chấp và có giá trị nhỏ (ít hơn 100 triệu đồng) từ các nguồn chính thức, sử dụng để sản xuất kinh doanh. 4.1.2.2. Biến giải thích Dựa trên tổng quan lý thuyết (Duong và Izumida, 2002; Li và cộng sự, 2011a; Khoi và cộng sự, 2013) và sự khả thi về dữ liệu, các yếu tố tác động đến khả năng tiếp cận TDVM của nông hộ bao gồm các đặc điểm ở cấp độ chủ hộ (Học vấn, giới tính, v.v), cấp độ hộ (số thành viên, diện tích đất, v.v) và cấp độ làng xã (cơ sở hạ tầng). Để hạn chế hiện tượng nội sinh do thiếu biến, nghiên cứu này lựa chọn và đưa vào mô hình các biến phù hợp và ngoại sinh. 4.2. Dữ liệu nghiên cứu Mục tiêu này sử dụng dữ liệu Điều tra tiếp cận nguồn lực hộ gia đình nông thôn Việt Nam (VARHS) năm 2012 và 2014. Mẫu sau cùng sử dụng để ước lượng là 7088 quan sát, bao gồm 3544 hộ ở mỗi cuộc khảo sát. Bảng 4.2 báo tình hình vay vốn của các hộ trong nghiên cứu này. Bảng 4.2 – Thống kê mô tả khoản vay Số người vay Khoản vay trung bình 2012 2014 2 KỲ 2012 2014 2 KỲ Tín dụng vi mô 572 313 885 27.845 35.856 30.678 Tín dụng khác 922 974 1,896 63.558 50.013 56.971 Ghi chú: Giá trị khoản vay trung bình (triệu đồng). 12 4.3. Kết quả và Thảo luận Bảng 4.4 trình bày kết quả ước lượng về các yếu tố tác động đến khả năng tiếp cận TDVM sử dụng Mô hình Tác động cố định (FEM), Tác động ngẫu nhiên ( REM) và Pooled OLS. Các diễn giải trong phần này sẽ dựa trên kết quả ước lượng từ REM. Tín dụng khác có tác động làm giảm khả năng tiếp cập TDVM. Tiết kiệm cũng làm giảm khả năng tiếp cận TDVM của các hộ. Hộ nghèo và Xã nghèo thúc đẩy khả năng tiếp cận TDVM. Đất nông nghiệp làm tăng khả năng tiếp cận TDVM. Trong khi đó, đất ở lại không có tác động lên việc tiếp cận TDVM. Số thành viên và tỷ lệ phụ thuộc có ảnh hưởng có ý nghĩa thống kê đến khả năng tiếp cận TDVM của các hộ gia đình. Giữa Tỷ lệ phụ thuộc và TDVM có mối quan hệ nghịch biến. Trong khi đó, Số thành viên nhiều hơn thì khả năng tham gia chương trình TDVM lại cao hơn. Biến Tuổi của chủ hộ nhận giá trị âm và có ý nghĩa thống kê. Vốn xã hội làm tăng khả năng tiếp cận TDVM của hộ. Một vài biến giả vùng miền cũng có tác động và có ý nghĩa thống kê. Các biến số còn lại như Học vấn, Tình trạng hôn nhân, Dân tộc của chủ hộ, Khoảng cách tới đường chính, và Chợ trong xã không có tác động đến khả năng tiếp cận TDVM. Đối với trường hợp Hộ không nghèo, kết quả ước lượng cũng tương tự với trường hợp tổng mẫu nghiên cứu, ngoại trừ biến Khoảng cách tới đường chính, và Chợ trong xã. Biến Khoảng cách tới đường chính chuyển sang có tác động đồng biến và có ý nghĩa thống kê đến khả năng tiếp cận TDVM, trong khi đó biến và Chợ trong xã có tác động nghịch biến có ý nghĩa thống kê. Đối với trường hợp Hộ nghèo, các biến số như Tín dụng khác, Tuổi của chủ hộ, Số thành viên, Tỷ lệ phụ thuộc, Vốn xã hội và Xã nghèo có tác động giống như trường hợp tổng mẫu nghiên cứu. Các biến khác chuyển từ có ý nghĩa thống kê sang không có ý nghĩa thống kê và ngược lại. Dự trên phỏng vấn sâu, các hộ gia đình dân tộc thiểu số hoặc có trình độ học vấn thấp cho biết rằng chính thủ tục cho vay phức tạp đã ngăn họ tiếp cận được các khoản vay chính thức. Một số tổ trưởng tổ vay vốn cũng xác nhận một số yếu tố có tác động quan trọng đến khả năng tiếp cận tín dụng của hộ nghèo bao gồm: (1) người nông dân có kế hoạch sản xuất kinh doanh rõ ràng hay không; (2) lịch sử tín dụng của họ tốt hay xấu; và (3) họ có nghiêm túc và chí thú làm ăn hay không. 13 Bảng 4.4 – Kết quả ước lượng các yếu tố tác động đế khả năng tiếp cận tín dụng vi mô Biến REM FEM POOLED OLS Hệ số t-stat Tác động biên Hệ số t-stat Tác động biên Hệ số t-stat Tác động biên Họ vấn của HHH 0.0158 1.18 0.0011 0.0047 0.10 0.0003 0.0148 1.27 0.0013 Tuổi của HHH -0.0264*** -6.51 -0.0018*** -0.0626*** -2.79 -0.0038*** -0.0232*** -6.70 -0.0021*** Hôn nhân của HHH 0.0166 0.09 0.0011 0.6372 1.34 0.0385 0.0084 0.06 0.0007 Giới tính của HHH (1=Nam) 0.0142 0.09 0.0010 -0.2420 -0.42 -0.0146 0.0321 0.23 0.0028 Dân tộc của HHH (1=Kinh) 0.1078 0.75 0.0073 0.1017 0.09 0.0061 0.0912 0.75 0.0081 Tín dụng khác -1.3855*** -11.18 -0.0942*** -1.7051*** -10.10 -0.1030*** -1.2167*** -11.54 -0.1075*** Hộ nghèo (1=Nghèo) 0.3066*** 2.74 0.0208*** 0.4011* 1.92 0.0242* 0.2616*** 2.61 0.0231*** Số tiền tiết kiệm (Triệu đồng) -0.0057*** -4.36 -0.0004*** -0.0027* -1.68 -0.0002* -0.0055*** -4.60 -0.0005*** Đất nông nghiệp (ha) 0.0847** 2.22 0.0058** 0.0652 0.64 0.0039 0.0764** 2.38 0.0068** Đất ở (ha) 0.0315 0.20 0.0021 -1.2044 -1.33 -0.0728 0.0399 0.32 0.0035 Số thành viên 0.1075*** 4.12 0.0073*** 0.0988 1.20 0.0060 0.0942*** 4.36 0.0083*** Tỷ lệ phụ thuộc -1.0518*** -6.00 -0.0715*** -0.3459 -0.53 -0.0209 -0.9474*** -6.35 -0.0837*** Khoảng cách từ nhà đến đường lớn (km) 0.0193 1.63 0.0013 0.0331 1.15 0.0020 0.0157 1.50 0.0014 Vốn xã hội 0.0391*** 4.99 0.0027*** 0.0474*** 2.86 0.0029*** 0.0342*** 5.11 0.0030*** Xã nghèo (1=Nghèo) 0.2803*** 3.25 0.0191*** 0.3985*** 2.58 0.0241*** 0.2448*** 3.14 0.0216*** Chợ trong xã (1=Có) -0.1605 -1.52 -0.0109 -1.0463*** -3.83 -0.0632*** -0.1136 -1.24 -0.0100 Đồng bằng sông Cửu Long (Cơ sở)) Đồng bằng sông Hồng -0.1217 -0.60 -0.0083 -0.1300 -0.76 -0.0115 Đông Bắc 0.0626 0.32 0.0043 0.0426 0.26 0.0038 Tây Bắc -0.5340** -2.47 -0.0363** -0.4803*** -2.64 -0.0425*** Bắc Trung Bộ 0.2422 1.02 0.0165 0.1986 0.98 0.0176 Duyên hải Nam Trung Bộ -0.9154*** -4.00 -0.0622*** -0.8655*** -4.29 -0.0765*** Tây Nguyên 0.7609*** 4.07 0.0517*** 0.6585*** 4.22 0.0582*** Hằng số -1.4351*** -4.19 -1.2360*** -4.31 Số hộ 3,544 3,544 701 701 3,544 3,544 Số quan sát 7,088 7,088 1,402 1,402 7,088 7,088 LR test of Rho Prob >= chibar2 = 0.000 Hausman Test chi2(16) = 37.74; Prob>chi2 = 0.0016 Ghi chú: Biến in nghiêng là biến giả; HHH = Chủ hộ ; *, ** và *** : Có ý nghĩa thống kê ở mức 10%, 5% và 1%; Kiểm định Hausman với giả thuyết hệ số ước lượng của FEM và REM là nhất quán, và nếu P-value<0.05 thì FEM sẽ phù hợp hơn. 14 CHƯƠNG 5 – TÍN DỤNG VI MÔ VÀ VIỆC ÁP DỤNG GIỐNG LÚA CẢI TIẾN 5.1. Phương pháp nghiên cứu 5.1.1. Phương pháp ước lượng Mục tiêu nghiên cứu này được phân tích bẳng Mô hình Double-Hurdle (DH), do Cragg (1971) khởi đầu. Các phương trình của Mô hình DH được viết như sau: * i i iU X = + 1iU = nếu * 0iU  và 0iU = nếu trường hợp khác * i i iY Z = + * i iY Y= nếu * 0iY  và * 0iU  0iY = nếu trường hợp khác Trong đó, U đại diện cho quyết định của nông dân trong việc có áp dụng giống lúa cải tiến hay không (1=Có; 0 nếu trường hợp khác). Y đại diện cho mức độ áp dụng và trong nghiên cứu này, được đo lường bằng số tiền chi tiêu cho giống lúa cải tiến. X và Z là các biến giải thích có thể quan sát được. Nghiên cứu này sử dụng mô hình Hồi quy Probit và Truncated để xem xét quyết định của người nông dân ở lần lượt hai giai đoạn. Nghiên cứu này trình bày cả Mô hình DH và Tobit để so sánh và từ đó xác định mô hình phù hợp nhất với dữ liệu nghiên cứu. Kiểm định Likelihood-Ratio (LR) được sử dụng để quyết định xem việc nông dân thực hiện hai quyết định trên đồng thời hay tách biệt nhau. Nghiên cứu này cũng sử dụng Mô hình Heckman để so sánh (Heckman, 1979). Nghiên cứu này cũng sử dụng IV 2SLS để kiểm soát hiện tượng nội sinh của biến TDVM. Biến cộng cụ được sử dụng được trình bày ở Phần 5.3. 5.1.2. Lựa chọn biến 5.1.2.1. Biến phụ thuộc Đối với mục tiêu nghiên cứu này, ở Hurdle 1 (Giai đoạn 1) nhóm áp dụng (Adopter) là những nông dân có gieo trồng ít nhất một loại giống lúa cải tiến, còn nhóm không áp dụng (Non-adopter) là những nông dân gieo trồng những giống lúa truyền thống. Ở Hurdle 2, mức độ áp dụng được đo lường bằng số tiền chi tiêu để mua giống cải tiến. Hurdle 1 hoặc Giai đoạn 1 (Quyết định có áp dụng hay không) Hurdle 2 hoặc Giai đoạn 2 (Quyết định áp dụng bao nhiêu) 15 5.1.2.2. Biến giải thích Biến giải thích quan trọng nhất chính là Tín dụng vi mô (TDVM). Bên cạnh TDVM, mô hình nghiên cứu còn bao gồm các biến kiểm soát khác cũng có thể có tác động đến việc áp dụng giống lúa cải tiến. Dựa trên lý thuyết (Langyintuo và Mungoma, 2008; Teklewold và cộng sự, 2006; Tambo và Abdoulaye, 2012) và tính khả thi về dữ liệu, những biến số này bao gồm (1) đặc điểm của người nông dân và trang trại, và (2) đặc điểm của làng xã. 5.2. Dữ liệu nghiên cứu Mục tiêu nghiên cứu này sử dụng dữ liệu Điều tra tiếp cận nguồn lực hộ gia đình nông thôn Việt Nam (VARHS) năm 2014. Có 3544 hộ gia đình trong cuộc khảo sát năm 2014. Mục tiêu là xem xét các yếu tố tác động đến việc áp dụng giống lúa hiện đại. Do đó, mẫu nghiên cứu sẽ loại ra các hộ nông dân không trồng lúa. Một số nông hộ cũng bị loại ra khỏi mẫu vì thiếu thông tin hoặc có các giá trị quá khác biệt. Mẫu sau cùng được sử dụng để phân tích là 2438 nông hộ; trong số này có 1971 hộ áp dụng giống lúa cải tiến và 467 nông hộ không áp dụng. 5.3. Kết quả và Thảo luận Như đã trình bày ở Phần 5.1.1, ước lượng OLS có thể tiềm ẩn nội sinh do việc tiếp cận TDVM là tự lựa chọn. Do đó, nghiên cứu này sử dụng 3 biến công cụ (IV), bao gồm tỷ lệ hộ nghèo trong xã, khoảng cách từ xã đến ngân hàng gần nhất và hỗ trợ của nhóm để tiếp cận vốn. Kết quả từ ước lượng IV 2SLS (xem Phụ lục 5.1 và 5.2) cho thấy biến TDVM là ngoại sinh. Do đó, không cần thiết phải sử dụng mô hình IV 2SLS; do đó, kết quả ở các phần tiếp theo của chương này sẽ sử dụng ước lượng OLS. Bảng 5.6 cho thấy giá trị của λ = 3735.4, điều này hàm ý rằng mô hình DH phù hợp hơn Mô hình Tobit. Do đó, phần diễn giải sẽ sử dụng kết quả từ Mô hình DH.. Kết quả cho thấy Tín dụng vi mô không đóng vai trò gì trong quyết định của người nông dân ở cả hai giai đoạn. Tuy nhiên, nghiên cứu thực nghiệm đã chỉ ra rằng tín dụng chỉ thúc đẩy việc áp dụng đối với trường hợp các hộ bị hạn chế về tín dụng chứ không có tác động gì đến hộ không bị hạn chế về tín dụng (Simtowe và Zeller, 2006). Do đó, nghiên cứu này xem xét sâu hơn về vai trò của TDVM lên việc áp dụng giống cải tiến cho từng nhóm hộ được phân theo tình trạng nghèo. Tương tự với trường hợp tổng mẫu nghiên cứu, cũng chưa có đủ bằng chứng để đưa ra kết luận về vai trò của TDVM trong việc giải thích quyết định của hộ nghèo và hộ không nghèo trong việc có áp dụng hay không và mức độ áp dụng bao nhiêu. Các kết quả trên cho thấy Tín dụng vi mô không có tác động gì đến quyết định áp dụng giống lúa cải tiến của người nông dân ở cả hai giai đoạn. Tuy nhiên, đây chưa phải là kết thúc của vấn đề đầu tư của người nông dân. Lý thuyết và thực tế cho thấy rằng đầu tư vào trồng trọt thường rủi ro và mất nhiều thời gian mới có thể thu hồi vốn, vì thế người nông dân có thể sẽ sử dụng vốn vay để đầu tư và các hoạt động phi nông nghiệp hoặc chăn nuôi. Do đó, phần tiếp theo sẽ xem xét tác động của TDVM đối với quyết định đầu tư vào các hoạt động khác. Bảng 5.8 cho thấy rằng TDVM thúc đẩy các quyết định đầu tư vào hoạt động 16 kinh doanh phi nông nghiệp và chăn nuôi, chứ không có tác động gì lên quyết định đầu tư vào các hoạt động trồng trọt khác. Bảng 5.6 - Tín dụng vi mô và việc áp dụng giống lúa cải tiến Áp dụng giống lúa cải tiến BIẾN SỐ PROBIT TRUNCATED TOBIT Coef t-stat Coef t-stat Coef t-stat Tín dụng vi mô -0.0309 -0.29 -4,363 -0.87 -306.3 -1.47 Số quan sát 2438 1959 2438 Kiểm định χ2 Double-Hurdle so với Tobit, λ =3918> χ2(36) = 58.619 Ghi chú: *, ** và *** : Có ý nghĩa thống kê ở mức 10%, 5% và 1% Bảng 5.7 - Tín dụng vi mô và việc áp dụng giống lúa cải tiến - Hộ nghèo và hộ không nghèo Panel 1: HỘ NGHÈO BIẾN SỐ PROBIT TRUNCATED TOBIT Hệ số t-stat Hệ số t-stat Hệ số t-stat Tín dụng vi mô 0.0659 0.28 -570.8 -0.84 -8.123 -0.03 Số quan sát 518 373 518 Kiểm định χ2 Double-Hurdle so với Tobit, λ =402.8> χ2(35) = 57.342 Panel 2: HỘ KHÔNG NGHÈO BIẾN SỐ PROBIT TRUNCATED TOBIT Hệ số t-stat Hệ số t-stat Hệ số t-stat Tín dụng vi mô -0.0999 -0.81 -5,051 -0.86 -380.3 -1.56 Số quan sát 1,920 1,586 1,920 Kiểm định χ2 Double-Hurdle so với Tobit, λ =3915.4> χ2(35) = 57.342 Ghi chú: *, ** và *** : Có ý nghĩa thống kê ở mức 10%, 5% và 1% Bảng 5.8 – Tác động của Tín dụng vi mô lên việc đa dạng hoá nguồn thu nhập Cây trồng khác Chăn nuôi Tự kinh doanh BIẾN SỐ PROBIT PROBIT PROBIT Hệ số t-stat Hệ số t-stat Hệ số t-stat Tín dụng vi mô 0.0498 0.42 0.3249** 2.46 0.2669** 2.45 Số quan sát 2438 2438 2438 Ghi chú: *, ** và *** : Có ý nghĩa thống kê ở mức 10%, 5% và 1% 17 CHƯƠNG 6 – ĐÁNH GIÁ TÁC ĐỘNG CỦA TÍN DỤNG VI MÔ LÊN MỨC SỐNG 6.1. Phương pháp nghiên cứu 6.1.1. Phương pháp ước lượng Mục tiêu nghiên cứu này sử dụng nhiều phương pháp đánh giá tác động khác nhau bao gồm So sánh điểm xu hướng (Propensity Score Matching, PSM), Khác biệt trong khác biệt (Difference in Difference, DID), và Kết hợp PSM-DID. 6.1.1.1. So sánh điểm xu hướng (PSM) Phương pháp PSM được khởi đầu bởi Rosenbaum và and Rubin (1983), và được kế thừa và phát triển bởi Becker và and Ichino (2002), Dehejia và Wahba (2002). PSM gồm các bước sau: Bước 1: Thực hiện mô hình Probit các yếu tố tác động đến khả năng tiếp cận TDVM. Kết quả ước lượng này dùng để tính toán điểm xu hướng để ghép cặp. Bước 2: Xác định vùng hỗ trợ chung và xác định thuộc tính cân bằng. Bước 3: Ghép cặp từng quan sát thuộc nhóm can thiệp (treated) với một hoặc một vài quan sát thuộc nhóm đối chứng hay kiểm soát (control) dựa trên điểm xu hướng (đặc điểm) tương đồng sử dụng các kỹ thuật ghép cặp khác nhau. Bước 4: Tính toán kết quả đầu ra (outcomes) trung bình của tất cả các khác biệt cá nhân (chênh lệch của từng cặp) để có được giá trị trung bình của tổng các cặp, cũng chính là tác động của chương trình TDVM. Ước lượng sử dụng bẫy kích hoạt (bootstrap) được áp dụng để khắc phục sự sai lệch khi ước lượng sai số chuẩn (standard errors). 6.1.1.2. Khác biệt trong khác biệt (DID) Dựa theo nghiên cứu của Lester (1946) và Khandker và cộng sự (2010), mô hình sử dụng phương pháp DID sẽ được viết như sau: 0 1 2 3 4*it it itY T Cr T Cr Z     = + + + + + Trong đó, Yit là kết quả đầu ra của hộ i ở thời điểm t; Cr là can thiệp (trong nghiên cứu này chính là tình hình vay vốn TDVM) (1=Nhóm can thiệp, nhóm có vay; 0= Nhóm kiểm soát, nhóm không vay); T là biến thời gian; Zit là các biến kiểm soát khác, and 𝜀𝑖𝑡 là sai số. DID chính là sự khác biệt trong kết quả đầu ra giữa hai nhóm trước và sau khi có can thiệp (treatment). Do đó, �̂�3 chính là hệ số ước lượng cần quan tâm. 6.1.1.3. Kết hợp PSM-DID PSM-DID là sự kết hợp giữa PSM và DID sử dụng dữ liệu bảng. Khandker và cộng sự (2010) cho rằng PSM-DID sẽ tính toán ra kết quả chính xác hợn do giảm thiểu được các thiên lệch trong ước lượng. Dựa trên phương pháp PSM và DID, phương pháp kết hợp PSM-DID sẽ gồm các bước chính sau: (1) Tính toán điểm xu hướng; (2) kiểm định thuộc tính cân bằng và xác định vùng hỗ trợ chung; (3) DID kết hợp với so sánh điểm xu hướng để ghép cặp nhóm can thiệp với nhóm đối chứng và từ đó ước lượng ra tác động của chương trình. 18 Bên cạnh quy trình ước lượng PSM-DID do Khandker et al. (2010) đề xuất, nghiên cứu này còn sử dụng PSM-DID tính toán bằng lệnh diff (sử dụng STATA) do Villa (2016) phát triển. Lệnh diff kết DID với kỹ thuật ghép cặp hạt nhân (kernel). Trong số hạt nhân (kernel weights) cũng được đưa vào mô hình để tính toán tác động của can thiệp. Phương trình được viết như sau: ]0[]1[ 01 ), D= | p(XY - ), D= | p(XYATT = iiii  Trong đó, ∆Y1i và ∆Y0i lần lượt là khác biệt kết quả của nhóm can thiệp và nhóm đối chứng giữa hai thời điểm. 6.1.2. Lựa chọn biến số Do bản chất của phương pháp PSM-DID nên mục tiêu nghiên cứu này sẽ sử dụng ba nhóm biến số, gồm biến tiếp cận TDVM, các yếu tố tác động đến việc tiếp cận TDVM (các biến sử dụng để tính toán điểm xu hướng) và các biến phúc lợi. 6.1.2.1. Biến tín dụng vi mô Tương tự Mục 4.1.2.1, TDVM được định nghĩa là khoản vay không thế chấp và có giá trị ít hơn 100 triệu đồng, vay từ những nguồn chính thức và sử dụng để sản xuất hoặc kinh doanh. 6.1.2.2. Các biến sử dụng để tính toán điểm xu hướng Dựa trên cơ sở lý thuyết ở Mục 3.2.1 (Duong và Izumida, 2002; Khoi và cộng sự, 2013; Thanh, 2017) và sự khả thi về số liệu, nghiên cứu này chọn ra các biến giải thích để tính toán điểm xu hướng ở Bảng 6.4. 6.1.2.3. Biến phúc lợi Welfare Các biến kết quả (biến phụ thuộc) sử dụng để đánh giá tác động của TDVM bao gồm Tổng giá trị đầu ra/ Thu nhập từ các hoạt động (nông nghiệp, phi nông nghiệp, làm công ăn lương, các nguồn lực sở hữu chung), chi tiêu cho thực phẩm (nông sản và phi nông sản), và tích lũy tài sản lâu bền (sản xuất và phi sản xuất) (Takahashi et al., 2010; Lensink & Pham, 2012; Quach, 2007, 2017; Thanh, 2017). 6.2. Dữ liệu nghiên cứu Mục tiêu nghiên cứu này sử dụng dữ liệu Điều tra tiếp cận nguồn lực hộ gia đình nông thôn Việt Nam (VARHS) năm 2012 và 2014. Mẫu sử dụng để ước lượng là 7088 quan sát, bao gồm 3544 hộ ở mỗi cuộc khảo sát. 6.3. Kết quả và Thảo luận 6.3.1. Điểm xu hướng và kiểm định thuộc tính cân bằng Bảng 6.2 trình bày tóm tắt những tiêu chí chính của bước thứ nhất sử dụng PSM-DID (xem chi tiết ở Phụ lục 6.4). Các kết quả ước lượng từ bước này được sử dụng để tính toán điểm xu hướng. Kết quả về vùng hỗ trợ chung cho thấy rằng có 148 hộ (sử dụng lệnh diff) hoặc 151 hộ (sử dụng lệnh) nằm pscore ngoài vùng hỗ trợ chung. Xem xét sâu thêm sẽ thấy được rằng sự khác biệt giữa 2 lệnh này 19 là 8 hộ, và đây là một sự khác biệt không đáng kể. Do bước thứ hai sử dụng lệnh diff để ước lượng tác động của TDVM nên 3396 hộ nằm trong vùng hỗ trợ chung được xác định từ lệnh diff sẽ được sử dụng để phân tích. Kết quả kiểm định thuộc tính cân bằng cũng được thỏa mãn. Bảng 6.2 – Ước lượng mô hình Probit các yếu tố tác động đến tiếp cận TDVM VIF lớn nhất 4.53 Kiểm định thuộc tính cân bằng Thoả mãn Ngoài vùng hỗ trợ chung 148 [151] Trong vùng hỗ trợ chung 3396 [3393] Ghi chú: Biến in nghiêng là biến giả (0=Trường hợp khác). *, ** và *** : Có ý nghĩa thống kê ở mức 10%, 5% và 1%. Vùng hỗ trợ chung được xác định bằng lệnh diff và pscore [trong ngoặc]. 6.3.2. Tác động trung bình của chương trình TDVM Bảng 6.4 trình bày kết quả ước lượng về tác động của TDVM lên các kết quả khác nhau sử dụng 3 phương pháp, bao gồm DID, và PSD-DID có và không có vùng hỗ trợ chung. Bảng 6.4 - Tác động của tín dụng vi mô lên thu nhập và tổng giá trị đầu ra BIẾN PSM-DID có vùng hỗ trợ chung PSM-DID không có vùng hỗ trợ chung DID Hệ số t-stat Hệ số t-stat Hệ số t-stat TỔNG GIÁ TRỊ ĐẦU RA Nông nghiệp 0.157 0.03 0.174 0.03 -0.393 -0.05 Trồng trọt 1.935 0.53 1.947 0.54 1.919 0.52 Chăn nuôi -1.778 -0.47 -1.774 -0.48 -2.312 -0.33 Tự kinh doanh phi nông nghiệp 25.444** 2.25 25.941** 2.20 33.156* 1.87 Các nguồn lực sở hữu chung -0.698** -2.04 -0.679** -2.01 -0.577 -1.10 Các nguồn thu kiếm được (không bao gồm làm công ăn lương) 24.712** 2.00 25.436** 1.99 32.187* 1.67 Làm công ăn lương -0.433 -0.25 -0.437 -0.25 0.835 0.33 Các nguồn thu kiếm được 24.279* 1.96 24.999* 1.95 34.356* 1.77 THU NHẬP Nông nghiệp -3.612 -1.35 -3.552 -1.36 -4.379 -1.22 Trồng trọt -3.378** -2.34 -3.348** -2.37 -3.631* -1.91 Chăn nuôi -2.737 -1.09 -2.696 -1.10 -3.543 -0.68 Tự kinh doanh phi nông nghiệp 6.488*** 2.86 6.547*** 2.66 5.802 1.40 Các nguồn lực sở hữu chung -0.453 -1.53 -0.431 -1.48 -0.334 -0.82 Các nguồn thu kiếm được (không bao gồm làm công ăn lương) 2.424 0.48 2.564 0.73 1.468 0.28 Làm công ăn lương -0.433 -0.25 -0.437 -0.25 0.835 0.33 Các nguồn thu kiếm được 1.991 0.54 2.126 0.57 1.924 0.33 Số quan sát 6792 7088 7088 Ghi chú: *, ** và *** : Có ý nghĩa thống kê ở mức 10%, 5% và 1%. 20 Tổng thu nhập từ các nguồn kiếm được (bao gồm nông nghiệp. phi nông nghiệp, nguồn lực sở hữu chung và làm công ăn lương) và Tổng thu nhập từ các nguồn kiếm được (không bao gồm làm công ăn lượng) không thay đổi khi hộ tiếp cận được TDVM, và kết quả này khá tương đồng với nghiên cứu Takahashi và cộng sự (2010). Tuy nhiên, TDVM làm tăng Tổng giá trị đầu ra từ các nguồn (bao gồm và không bao gồm thu nhập từ làm công ăn lương. TDVM không có tác động lên Thu nhập và Tổng giá trị đầu ra từ hoạt động nông nghiệp, và kết quả này tương đồng với Takahashi và cộng sự (2009). Phân tích sâu hơn từng bộ phận của ngành nông nghiệp cho thấy TDVM vẫn không có tác động đến Thu nhập và Tổng giá trị đầu ra từ chăn nuôi. Điều có thể là do các hộ vay vốn chưa thể có được lợi ích từ chăn nuôi trong thời gian ngắn. Trong khi đó, TDVM lại làm giảm Thu nhập từ trồng trọt, điều này khái ngược với giả thuyết kỳ vọng ban đầu. Lý do giải thích cho điều này có thể là do trồng trọt thường tiềm ẩn nhiều rủi ro hơn so với chăn nuôi (Vilhelm và cộng sự, 2015). Kết quả nghiên cứu còn cho thấy TDVM không có tác động gì đến Thu nhập từ các nguồn lực sở hữu chung, tuy nhiên lại làm giảm Tổng giá trị đầu ra từ hoạt động này. Đúng như với kỳ vọng ban đầu, TDVM có tác động đồng biến và có ý nghĩa thống kê lên Thu nhập và Tổng giá trị đầu ra từ hoạt động sản xuất kinh doanh phi nông nghiệp. Kết quả này khá tương đồng với kết luận của Khandker and Koolwal (2016), Lensink và Pham (2012). TDVM không có tác động gì đến Thu nhập từ làm công ăn lương. Bảng 6.5-6.6 cho thấy TDVM giúp cải thiện Chi tiêu thực phẩm. Phân tích sâu hơn cho thấy TDVM chỉ có tác động lên Chi tiêu cho phi nông sản (hàng hóa công nghiệp). Bảng 6.5-6.6 cho TDVM không có tác động gì lên việc Tích lũy tài sản lâu bền. Phân tích sâu hơn cho thấy TDVM không có tác động đến Tích lũy tài sản phi sản xuất nhưng lại làm tăng Tài sản sản xuất. Bảng 6.5 & 6.6 - Tác động của tín dụng vi mô lên chi tiêu cho thực phẩm và tích luỹ tài sản lâu bền BIẾN SỐ PSM-DID có vùng hỗ trợ chung PSM-DID không có vùng hỗ trợ chung DID Hệ số t-stat Hệ số t-stat Hệ số t-stat CHI TIÊU THỰC PHẨM Thực phẩm nói chung 0.114** 2.34 0.111** 2.32 0.069 0.95 Nông sản -0.013 -0.52 -0.013 -0.53 -0.040 -1.11 Phi nông sản 0.126*** 3.73 0.124*** 3.71 0.109** 2.01 TÍCH LUỸ TÀI SẢN LÂU BỀN Tài sản lâu bền nói chung 0.553 0.11 0.649 0.13 -0.068 -0.01 Sản xuất 3.236** 2.31 3.237** 2.37 2.739 1.38 Không sản xuất -2.683 -0.57 -2.588 -0.56 -2.806 -0.31 Số quan sát 6792 7088 7088 Ghi chú: *, ** và *** : Có ý nghĩa thống kê ở mức 10%, 5% và 1%. 21 CHƯƠNG 7 – VAI TRÒ CỦA TÍN DỤNG VI MÔ TRONG VIỆC GIẢM THIỂU CÁC TÁC ĐỘNG CÚ SỐC SỨC KHOẺ 7.1. Phương pháp nghiên cứu 7.1.1. Phương pháp ước lượng Mô hình nghiên cứu dựa trên nghiên cứu của Thanh và Duong (2017) và có dạng như sau: 0 1 2 4( )iv ivt ivt ivt ivt v ivtY HS HS CR X      = + + + + + + (2) Trong đó, HSivt đại diện cho biến cú sốc sức khỏe; CRivt thể hiện giá trị của khoản vay TDVM mà hộ vay được; Xivt là các đặc điểm của hộ; δv là biến giả tác động cố định làng xã (Village Fixed Effect, VFE); εivt là sai số. i, v và t lần lượt chính là hộ gia đình i, làng v và thời điểm t. Các biến giải thích sử dụng dữ liệu ở thời điểm t. ∆Yiv là sự thay đổi ở biến phụ thuộc và được tính toán như sau: 2012 2010iv iv iv Y Y Y Y −  = Trong đó, Yiv2012 và Yiv2010 lần lượt là giá trị của các biến phụ thuộc ở cuộc khảo sát 2012 và 2010; �̅� là trung bình của biến phụ thuộc ở 2 cuộc khảo sát. Ước lượng sử dụng VFE vì VFE có thể giảm thiểu những thiên lệch khi ước lượng (Islam và Maitra, 2012). Ước lượng OLS sử dụng Phương trình (2) có thể tiềm ẩn nội sinh. Do đó nghiên cứu này cũng sử dụng IV 2SLS để kiểm soát nội sinh do TDVM. Biế công cụ được sử dụng được trình bày ở Phần 7.3.2. 7.1.2. Lựa chon biến số 7.1.2.1. Biến phụ thuộc Nghiên cứu này sử dụng các biến phân tích, gồm: Hai biến doanh thu là Doanh thu từ những nguồn kiếm được từ lao động (EINC) và Tổng doanh thu (TINC); sáu biến chi tiêu bao gồm Tổng chi tiêu (TCON), Chi tiêu cho giáo dục (ECON), Chi tiêu cho chăm sóc sức khỏe (HCON), Chi tiêu thực phẩm (FCON), Chi tiêu cho hàng hoa phi thực phẩm hàng ngày (NFCD) và Chi tiêu cho phi thực phẩm khác (hàng năm); và ba biến lao động gồm Lao động trẻ em (CHILD), Lao động người già (OLD) và Lao động nằm ngoài tuổi lao động (NWW). 7.1.2.2. Biến cú sốc sức khỏe Các cú sốc sức khỏe sử dụng trong nghiên cứu này gồm Ốm đau/ Bệnh tật của các thành viên đang trong độ tuổi lao động (HS1W), và Ốm đau/ Bệnh tật của bất kỳ thành viên nào (HS1W). Biến sẽ nhận giá trị là 1 nếu hộ phải đối mặt với ít nhất ba cú sốc sức khỏe, và bằng 0 nếu thuộc trường hợp khác. 7.1.2.3. Biến tín dụng vi mô Ở mục tiêu nghiên cứu này, TDVM được định nghĩa là khoản vay nhỏ từ những nguồn tín dụng ưu đãi cho người nghèo như: Ngân hàng Chính sách Xã hội, Quỹ hỗ trợ việc làm, Quỹ xóa đói giảm nghèo, Các tổ chức chính trị xã hội. Một trong những đặc điểm của các nguồn này là không cần tài sản thế chấp. 22 7.1.2.3. Các biến kiểm soát (biến giải thích) khác Dựa trên nghiên cứu của Islam và Maitra (2012), Okonogi và cộng sự (2015), Mitra và cộng sự (2015), và Thanh và Duong (2017), có nhiều biến kiểm soát khác có thể tác động đến phúc lợi và cần được đưa vào mô hình, gồm có: Tình trạng hộ nghèo, Nhà riêng, Đất đai, Bảo hiểm Y tế, Số thành viên hộ, Số lượng trẻ em và người già; Học vấn, Tình trạng hôn nhân, giới tính và dân tộc của chủ hộ; và các biến giả vùng miền. 7.2. Dữ liệu nghiên cứu Nghiên cứu này sử dụng dữ liệu từ cuộc Khảo sát mức sống hộ gia đình Việt Nam (VHLSS) năm 2010 và 2012. Mẫu sau cùng dùng để nghiên cứu là 3021 hộ. 7.3. Kết quả và Thảo luận 7.3.1. Các cú sốc sức khỏe có thể được dự báo trước? Trước khi ước lượng Phương trình (2), cần phải kiểm định tính phù hợp lệ của giả định rằng các cú sốc sức khỏe có thể được dự báo trước hay không (Islam và Maitra, 2012). Vấn đề này được xem xét sử dụng phương trình sau: 0 1 1 3ivt ivt ivt v ivtHS HS X    −= + + + + (4) 1 được kỳ vọng sẽ không có ý nghĩa thống kê; có nghĩa là cú sốc sức khỏe ở thời điểm t-1 không có khả năng sẽ tác động đến cú sốc sức khỏe ở thời điểm t. Trái với kỳ vọng, các hệ số đều có ý nghĩa thống kê. Để có thể ước lượng tiếp Phương trình (2) thì nghiên cứu này vẫn giả định rằng các cú sốc sức khỏe là không dự báo được. 7.3.2. Kết quả ước lượng Bước 1 của mô hình IV 2SLS Nghiên cứu này sử dụng 2 biến công cụ, gồm tỷ lệ hộ nghèo trong xã và khoảng cách từ xã đến ngân hàng gần nhất để kiểm soát vấn đề nội sinh của biến TDVM. Tuy nhiên, ước lượng ở Bước 1 của mô hình IV 2SLS ở cả hai trường hợp HS1W và HS1A (xem Phụ lục 7.3 và 7.4) cho thất các biến IVs không phù hợp. Do đó, để kết quả từ phương trình (2) hợp lệ, nghiên cứu này giải định TDVM là ngoại sinh. Do đó, kết quả ở Phần 7.3.3 và 7.3.4 sử dụng ước lượng OLS từ Eq.(2). 7.3.2. – 7.3.3. Tác động của HS1A và HS1W và vai trò giảm giảm thiểu TDVM Phần này xem xét các tác động về mặt kinh tế do các cú sốc sức khỏe gây ra và vai trò giảm thiểu tác động này của TDVM. Phần diễn giải dự trên ước lượng từ mô hình hồi quy có VFE. Kiểm định Joint Test F-statistics cho giả thuyết β1 + β2 = 0 Doanh thu. Kết quả ước lượng cho thấy các hộ bị cú sốc sức khỏe HS1W hoặc HS1A làm giảm doanh thu từ các nguồn kiếm được từ lao động, trong khi đó chỉ có HS1W làm tổng doanh thu từ các nguồn. Về vai trò của TDVM, kết quả cho thấy TDVM không có tác động gì lên các doanh thu từ lao động và tổng doanh thu của các hộ bị các cú sốc sức khỏe. 23 Tiêu dùng. Kết quả cho thấy các hộ bị cú sốc HS1W và HS1A có mức tăng chi tiêu cho chăm sóc sức khỏe. Chưa có bằng chứng để kết luận tác động của các cú sốc sức khỏe lên chi tiêu cho giáo dục, thực phẩm và phi thực phẩm. TDVM cũng không có tác động điều hòa chi tiêu khi các hộ bị cú sốc HS1A nhưng lại góp phần làm tăng tổng chi tiêu và chi tiêu cho hàng hóa phi thực phẩm khi các hộ bị cú sốc HS1A. TDVM còn làm tăng chi tiêu cho sức khỏe khi các hộ bị cú sốc HS1A và làm tăng chi tiêu cho hàng hóa phi thực phẩm hàng ngày khi hộ bị cú sốc HS1W, tuy nhiên các tác động này chưa thật sự rõ ràng. Huy động nguồn lao động trong hộ. Kết quả cho thấy khi hộ đối mặt với cú sốc HS1W, các hộ hộ thường có xu hướng huy động những thành viên ngoài tuổi lao động đi làm, đặc biệt là người già. Trong khi đó, cú sốc HS1A lại không có tác động gì đến việc huy động lao động trong gia đình. Về vai trò của TDVM, TDVM đóng vai trò trong việc giảm thiểu các tác động tiêu cực của cú sốc HS1W lên việc huy động nguồn lao động ngoài tuổi lao động. Bảng 7.7 – Tác động của cú sốc sức khoẻ lên thu nhập và lao động và vai trò của TDVM BIẾN EINC TINC CHILD OLD NWW HS1W (β1) -0.0956* -0.0794* 0.0076 0.104*** 0.0898** (-1.829) (-1.776) (0.265) (2.842) (2.490) HS1W*CR (β2) -0.00395 -0.00317 -0.0043 -0.0053 -0.0075* (-0.688) (-0.605) (-1.250) (-1.269) (-1.752) Joint Test F-Stat 3.88** 3.64* 0.01 7.72*** 5.44** HS1A (β1) -0.0159 -0.0324 0.0016 0.0363 0.0125 (-0.407) (-0.961) (0.0898) (1.351) (0.519) HS1A*CR (β2) -0.00136 -7.87e-05 -0.0045* -1.42e-05 -0.0038 (-0.273) (-0.0174) (-1.712) (-0.004) (-1.149) Joint Test F-Stat 0.21 0.99 0.03 1.96 0.14 Ghi chú: Robust t-statistics trong ngoặc đơn; Ước lượng với VFE *, **, và *** : có ý nghĩa thống kê ở mức 10%, 5% và 1% Bảng 7.8 – Tác động của cú sốc sức khoẻ lên tiên dùng và vai trò của TDVM BIẾN TCON ECON HCON FCON NCFD NCFA HS1W (β1) 0.117** 0.0577 0.341*** 0.0307 -0.0066 0.0504 (2.205) (0.690) (3.640) (0.888) (-0.134) (0.735) HS1W*CR (β2) 0.0053 -0.007 0.0004 -1.03e-06 0.0042 0.007 (1.196) (-0.862) (0.0397) (-0.0004) (0.926) (1.227) Joint Test F-Stat 5.59** 0.39 13.89*** 0.83 0.00 0.74 HS1A (β1) 0.0586 0.0452 0.355*** 0.00237 -0.0385 0.0213 (1.436) (0.703) (4.911) (0.0914) (-1.028) (0.407) HS1A*CR (β2) 0.00675* -0.0055 0.0079 0.0005 0.0097** 0.010* (1.696) (-0.787) (0.859) (0.166) (2.204) (1.930) Joint Test F-Stat 2.72* 0.4 26.44*** 0.01 0.63 0.38 Ghi chú: Robust t-statistics trong ngoặc đơn; Ước lượng với VFE *, **, và *** : có ý nghĩa thống kê ở mức 10%, 5% và 1% 24 CHƯƠNG 8 – KẾT LUẬN 8.1. Mục tiêu 1: “Khác yếu tố tác động đến khả năng tiếp cận Tín dụng vi mô” 8.1.1. Tóm tắt Phân tích định lượng cho thấy một số biến có tác động có ý nghĩa thống kê đến khả năng tiếp cận TDVM của các hộ gia đình, bao gồm Tuổi, Tiết kiệm và Tín dụng khác, Số thành viên hộ, Vốn xã hội, Tình trạng nghèo, Xã nghèo, Khoảng cách đến đường chính, Đất nông nghiệp. Trên cơ sở phỏng vấn sâu, các yếu tố khác có ảnh hưởng đến khả năng tiếp cận TDVN, gồm: (1) Kế hoạch sản xuất, kinh doanh của hộ; (2) Lịch sử tín dụng; (3) Sự nghiêm túc và chí thú làm ăn; (4) Sự phức tạp của quy trình vay. 8.1.2. Hàm ý chính sách Trong số những người vay TDVM, hộ không nghèo vẫn chiếm tỷ lệ cao hơn. Do đó, cần thực hiện một số chính sách để tăng khả năng tiếp cận tín dụng của người nghèo, bao gồm: (1) Hướng đến phục vụ các hộ nghèo và các xã nghèo; (2) Thu hẹp khoảng giữa ngân hàng và người nghèo; (3) Đơn giản hoá thủ tục vay vốn; (4) Tích hợp khu vực tín dụng chính thức với phi chính thức; (5) Thiết lập các chương trình hỗ trợ. 8.1.3. Giới hạn nghiên cứu và hướng nghiên cứu thêm Dữ liệu không có các thông tin về việc các hộ gia đình có bị hạn chế về tài chính, có thiếu vốn hoặc co nhu cầu tín dụng hay không. Về phương pháp, kết quả có thể bị sai lệch vì có khả năng bị nội sinh trong mô hình. Nghiên cứu này lựa chọn ra các biến phù hợp để đưa vào mô hình để hạn chế hiện tượng nội sinh. Tuy nhiên, cách tiếp cận này chủ yếu dựa trên lý thuyết và có thể không kiểm soát hoàn toàn được nội sinh tiềm ẩn trong mô hình. Nghiên cứu sâu thêm cần được tiến hành để khắc phục triệt để vấn đề nội sinh. 8.2. Mục tiêu 2: “ Tín dụng vi mô và Áp dụng giống lúa cải tiến” 8.1.1. Tóm tắt Kết quả cho thấy rằng TDVM không có tác động có ý nghĩa thống kê lên quyết định áp dụng của hộ ở cả hai giai đoạn. Tuy nhiên, TDVM được phát hiện ra rằng đóng một vai trò quan trọng trong việc thúc đẩy quyết định của người nông dân trong việc đầu tư vào kinh doanh phi nông nghiệp và chăn nuôi. 8.2.2. Hàm ý chính sách Cần triển khai và hoàn thiện các lĩnh vực liên qua đến nông nghiệp, đặc biệt là sản xuất lúa gạo, chẳng hạn như: (1) Cơ sở hạ tầng; (2) Thị trường đầu ra; (2) Thông tin và sự hỗ trợ; (4) Các chương trình phát triển nông nghiệp. 8.2.3. Giới hạn nghiên cứu và hướng nghiên cứu thêm Mô hình này chưa đưa vào các thông tin quan trọng như đặc điểm của giống hay cảm nhận của người nông dân về giống lúa, và giá của giống lúa. Nghiên cứu chỉ sử dụng dữ liệu chéo; do đó, chưa nắm bắt được những thay đổi theo thời gian. Để khắc phục vấn đề thiên lệch nội sinh, nghiên cứu này sử dụng 3 biến công cụ (IV); tuy nhiên, các biến công cụ này có thể chưa đủ mạnh. Do giới hạn về dữ liệu nên nghiên cứu này chưa thể xem xét được vai trò của các IV khác. Nghiên cứu sâu thêm cần được tiến hành để khắc phục triệt để vấn đề nội sinh. 25 8.3. Mục tiêu 3: “ Tác động cua TDVM lên phúc lợi “ 8.3.1. Tóm tắt Tổng giá trị đầu ra. TDVM làm tăng giá trị đầu ra từ tất cả các nguồn kiếm được từ lao động và tự sản xuất kinh doanh phi nông nghiệp, làm giảm giá trị đầu ra kiếm được từ các nguồn lực sở hữu chung, và không có tác động gì đến giá trị đầu ra từ các nguồn khác. Thu nhập. TDVM làm tăng thu nhập từ tự sản xuất kinh doanh phi nông nghiệp, giảm thu nhập từ trồng trọt, và Microcredit increases income from self-employment, reduce income from crop production, and không có tác động gì đến thu nhập từ các nguồn khác. Tiêu dùng thực phẩm và Tích lũy tài sản. TDVM làm tăng chi tiêu cho thực phẩm phi nông sản và tăng tích lũy tài sản sản xuất, tuy nhiên lại không có tác động gì lên chi tiêu cho nông sản hoặc tích lũy tài sản phi sản xuất. 8.3.2. Hàm ý chính sách Cần kết hợp TDVM với các hoạt động và chương trình khác, bao gồm: (1) Đào tạo; (2) Cơ sở hạ tầng thuận lợi; (3) Các chính sách hỗ trợ TDVM. 8.3.3. Giới hạn nghiên cứu và hướng nghiên cứu thêm Một vài hộ vay vốn cũng đồng thời vay ở năm gốc, tuy nhiên lại không vay ở năm tiếp theo. Do đó, kết quả ước lượng có thể bị liên lệch. Tác động của các cú sốc cũng chưa được tính đến trong nghiên cứu này, điều này có thể làm giảm sự chính xác trong việc đánh giá tác động của TDVM. 8.4. Mục tiêu 4: “Vai trò của tín dụng vi mô trong việc giảm thiểu tác động của cú sốc sức khỏe” 8.4.1. Tóm tắt Kết quả ước lượng cho thấy tác động về mặt kinh tế của các cú sốc sức khỏe và vai trò giảm thiểu của TDVM khá đa dạng, tùy thuộc vào loại cú sốc sức khỏe và biến kết quả nào đang được phân tích. Nổi bật trong nghiên cứu này chính là việc TDVM làm giảm việc huy động các thành viên ngoài tuổi lao động đi làm khi thành viên trong tuổi lao động bị vấn đề về sức khỏe. Trong khi đó, tác động của tín dụng lên thu nhập và tiêu dùng khi hộ bị vấn đề về sức khỏe là không đáng kể. 8.4.2. Hàm ý chính sách Các nông hộ cần được hỗ trợ nhiều hơn về các như cầu cơ bản, chẳng hạn như chăm sóc sức khỏe chính thức, giáo dục, công ăn việc làm đàng hoàng và các khoản hỗ trợ nhỏ. 8.4.3. Giới hạn nghiên cứu và hướng nghiên cứu thêm Nghiên cứu này cũng chưa xem xét đầy đủ vai trò của bảo hiểm y tế. Tín dụng vi mô và các cú sốc sức khỏe mới chỉ được quan sát ở một thời điểm. Hướng nghiên cứu tiếp theo sau này cần sử dụng dữ liệu bảng để phân tích các tác động này. Ước lượng OLS có thể bị thiên lệch nội sinh do TDVM có thể là một quá trình tự lựa chọn. Để kiểm soát nội sinh, nghiên cứu này sử dụng 2 biến công cụ (IV); tuy nhiên, kết quả cho thấy các IV này không phù hợp. Nghiên cứu sâu thêm cần được tiến hành để khắc phục triệt để vấn đề nội sinh. 26 TÀI LIỆU THAM KHẢO Tài liệu tham khảo trên thế giới Akerlof, G. (1970). The Market for “Lemons”: Qualitative Uncertainty and the Market Mechanism. Quarterly Journal of Economics, 84(3), 488- 500. Aleem, I. (1990). Imperfect information, screening, and the costs of informal lending: a study of a rural credit market in Pakistan. The World Bank Economic Review, 4(3), 329-349. Alam, K. & Mahal, A. (2014). Economic Impacts of Health Shocks on Households in Low and Middle Income Countries: A Review of the Literature. Globalization and Health, 10(1), 21. Becker, S. O., & Ichino, A. (2002). Estimation of average treatment effects based on propensity scores. The stata journal, 2(4), 358-377. Coleman, B. E. (2006). Microfinance in Northeast Thailand: Who Benefits and How Much?. World Development, 34 (9), pp.1612-1638. Cragg, J.G . (1971). Some statistical models for limited dependent variables with application to the demand for durable goods. Econometrica, 39, 829–844. Dehejia, R. H. & Wahba, S. (2002). Propensity Score Matching Methods for Non- Experimental Causal Studies. The Review of Economics and Statistics, 84, 151-161. Diagne, A., Zeller, M., & Sharma, M. (2000). Empirical measurements of households' access to credit and credit constraints in developing countries: Methodological issues and evidence. Washington, DC: International Food Policy Research Institute. Gertler, P., Levine, D. I. & Morett, E. (2009). Do Microfinance Programs Help Families Insure Consumption against Illness?. Health Economics, 18(3), 257-273. Hoff, K., & Stiglitz, J. E. (1997). Moneylenders and bankers: price-increasing subsidies in a monopolistically competitive market. Journal of Development Economics, 52(2), 429-462. Hoff, K., & Stiglitz, J. E. (1990). Introduction: Imperfect information and rural credit markets: Puzzles and policy perspectives. The world bank economic review, 4(3), 235-250. Islam, A. & Maitra, P. (2012). Health shocks and consumption smoothing in rural households: Does microcredit have a role to play?. Journal of development economics, 97(2), 232-243. Khandker, S. R. (1998). Fighting poverty with microcredit: Experience in Bangladesh. Oxford University Press. Khandker, S. R. (2005). Microfinance and poverty: Evidence using panel data from Bangladesh. The World Bank Economic Review, 19(2), 263-286. Khandker, S. R., Koolwal, G. B., & Samad H. A., (2010). Handbook on Impact Evaluation: Quantitative Methods and Practices. The World Bank, Washington DC. Langyintuo, A.S., & Mungoma, C. (2008). The effect of household wealth on the adoption of improved maize varieties in Zambia. Food Policy, 33, 550–559. Lester, R. A. (1946). Shortcomings of Marginal Analysis for the Wage-Employment Problems. American Economic Review, 36, 63-82. 27 Li, X., Gan, C., & Hu, B. (2011a). Accessibility to microcredit by Chinese rural households. Journal of Asian Economics, 22(3), 235-246. Li, X., Gan, C., & Hu, B. (2011b). The welfare impact of microcredit on rural households in China. The Journal of Socio-Economics, 40(4), 404-411. Navajas, S., Schreiner, M., Meyer, R. L., Gonzalez-Vega, C., & Rodriguez-Meza, J. (2000). Microcredit and the Poorest of the Poor: Theory and Evidence from Bolivia. World development, 28(2), 333-346. Pitt, M. M., & Khandker, S. R. (1998). The impact of group-based credit programs on poor households in Bangladesh: Does the gender of participants matter?. Journal of political economy, 106(5), 958-996. Pitt, M. M., Khankder S. R., Chowdhury, O.H., & Millimet, D.L. (2003). Credit programs for the poor and the health status of children in rural Bangladesh. International Economic Review, 44(1), 87-118. Rosenbaum, P. R. & Rubin, D. B. (1983). The Central Role of the Propensity Score in Observational Studies for Causal Effects. Biometrika, 70, 41-55. Sadoulet, E., & De Janvry, A. (1995). Quantitative development policy analysis (Vol. 5). Baltimore: Johns Hopkins University Press. Simtowe, F., & Zeller, M. (2006). The Impact of Access to Credit on the Adoption of hybrid maize in Malawi: An Empirical test of an Agricultural Household Model under credit market failure. Singh, I., Squire, L., & Strauss, J. (1986). Agricultural household models: Extensions, applications, and policy. The World Bank. Spence, M. (1973). Job Market Signaling. Quart. J. Econ., Aug. 1973, 87, 355-79. Stiglitz, J. E. (1975). The Theory of ‘Screening’, Education, and the Distribution of Income. The American Economic Review, 65(3), 283-300 Takahashi, K., Higashikata, T. & Tsukada, K. (2010). The short-term poverty impact of small-scale, collateral-free microcredit in Indonesia: A matching estimator approach. The Developing Economies, 48, 128–155. Tambo, J.A., & Abdoulaye, T. (2012). Climate change and agricultural technology adoption: the case of drought tolerant maize in rural Nigeria. Mitigation and Adaptation Strategies for Global Change, 17(3), 277–292. Teklewold, H., Dadi, L., Yami, A., & Dana, N. (2006). Determinants of adoption of poultry technology: a Double-Hurdle approach. Livestock research for rural development, 18(3). Train, K. E. (2009). Discrete choice methods with simulation. Cambridge university press. Zeller, M. (1994). Determinants of credit rationing: A study of informal lenders and formal credit groups in Madagascar. World development, 22(12), 1895-1907. Tài liệu tham khảo ở Việt Nam ADB (2010). Microfinance Assessment of: Developing Microfinance Sector in Vietnam. Developing the Microfinance Sector Project, ADB TA 7499 VIE. Anh, N. K., Thu, N.V., Tam, L. T., & Mai, N. T. T. (2011). Microfinance versus Poverty Reduction in Vietnam-diagnostic Test and Comparison. Statistical Publishing House, Hanoi, 2011. 28 Duong, P.B. & Izumida, Y. (2002). Rural Development Finance in Vietnam: A Micro-econometric Analysis of Household Surveys. World Development, 30(2), 319–335. Duong, P. B., & Thanh, P. T. (2015). Impact evaluation of microcredit on welfare of the Vietnamese rural households. Asian Social Science, 11(2), 190. Dung, N. H., & Thanh, P.T. (2017). Tín dụng vi mô và việc áp dụng giống lúa cải tiến ở nông thôn Việt Nam. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 56(5), 76-88. Ho, D.P. & Ut, T.T (2009). Microcredit to reduce poverty in HCMC: Efficiency and Policy Suggestion. Economic Development Review, 179. (Vietnam Journal) Ho, D.P. & Duc, D. (2015). Tín dụng nhỏ đối với giảm nghèo ở TP. Hồ Chính Minh: Hiệu quả và vấn đề. Tạp chí Kinh tế và Phát triển, 26(2), 65-82. Khoi, P. D., Gan, C., Nartea, G. V., & Cohen, D. A. (2013). Formal and informal rural credit in the Mekong River Delta of Vietnam: Interaction and accessibility. Journal of Asian Economics, 26, 1-13. Lensink, R. & Pham, T. T. T. (2012). The impact of microcredit on self-employment profits in Vietnam. Economics of Transition, 20, 73–111. Mitra, S., Palmer, M., Mont, D., and Groce, N. (2015). Can Households Cope with Health Shocks in Vietnam?. Health Economics. Nguyen, V. C. (2008). Is a governmental micro-credit program for the poor really pro-poor? Evidence from Vietnam. The Developing Economies, XLVI(2), 151-187. Phan, D. K., Gan, C., Nartea, G. V., & Cohen, D. A. (2014). The impact of microcredit on rural households in the Mekong River Delta of Vietnam. Journal of the Asia Pacific Economy, 19(4), 558-578. Okonogi, S., Saito, K. & Thanh, P.T. (2015). The Economic Consequences of Health Shocks and the Vulnerability of the Poor : Evidence from Vietnam Household Living Standard Surveys. Journal of Rural Community Studies, 121. (Tiếng Nhật) Quach, H., & Mullineux, A. (2007). The impact of access to credit on household welfare in rural Vietnam. Research In Accounting In Emerging Economies, 7, 279-307. Quach, H. M. (2017). Does access to credit improve household welfare in the long-run?. The Journal of Developing Areas, 51(1), 129-142. Thanh, P. T., & Duong, P. B. (2017). Health shocks and the mitigating role of microcredit—The case of rural households in Vietnam. Economic Analysis and Policy, 56, 135-147. Thanh, P. T. & Dung, N. H. (2017). Các yếu tố tác động đến khả năng tiếp cận tín dụng vi mô: Trường hợp các hộ gia đình ở nông thôn Việt nam. Kinh tế và Dự báo, 15(665), 42-45. Thanh, P. T. (2017).Tín dụng vi mô và mức sống của hộ gia đình: Trường hợp tại các hộ vùng nông thôn Việt Nam. Tạp chí Công Thương, 6, 112-116. Wagstaff, A. & Doorslaer, E. V. (2003). Catastrophe and impoverishment in paying for health care: with applications to Vietnam 1993–1998. Health Economics, 12(11), 921–933. Wagstaff, A. (2007). The Economic Consequences of Health Shocks: Evidence from Vietnam. Journal of Health Economics, 26(1), 82-100.