[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_h%C3%A0m%20%C4%91i%E1%BB%81u%20khi%E1%BB%83n{\"limit\":5}":3,"_public_topic_byId_hàm điều khiển":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":17,"synonyms":18,"definition":22,"discipline":23,"references":24,"faqs":58,"createUser":68,"publishUser":72,"keywords":73,"keywordCount":69,"enrichTopicLink":74,"status":75,"createTime":76,"updateTime":77,"publishTime":78,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":79,"relateTopics":80},"hàm điều khiển","Hàm điều khiển là gì? Phương pháp giải quyết tính nội sinh","Hàm điều khiển là phương pháp kinh tế lượng giải quyết biến nội sinh bằng cách đưa phần dư từ phương trình phụ trợ vào mô hình ước lượng cấu trúc.","\u003Cp>\u003Cstrong>Hàm điều khiển\u003C\u002Fstrong> (control function) là một phương pháp ước lượng kinh tế lượng và thống kê được sử dụng để khắc phục hiện tượng biến giải thích nội sinh (endogeneity) bằng cách mô hình hóa và kiểm soát thành phần sai số chưa quan sát được thông qua các biến phụ trợ hoặc phần dư ước lượng từ phương trình rút gọn. Thay vì tìm cách thay thế biến giải thích nội sinh bằng giá trị dự báo tuyến tính như trong phương pháp biến công cụ truyền thống, phương pháp hàm điều khiển trực tiếp bổ sung một hàm của phần dư vào phương trình hồi quy chính để làm sạch tương quan giữa biến giải thích và sai số ngẫu nhiên.\u003C\u002Fp>\n\n\u003Ch2>Bản chất lý thuyết và cơ chế kiểm soát tính nội sinh\u003C\u002Fh2>\n\u003Cp>Trong phân tích kinh tế lượng và suy diễn nhân quả, vấn đề biến nội sinh nảy sinh khi một hoặc nhiều biến giải thích có tương quan với sai số ngẫu nhiên của mô hình cấu trúc. Nguyên nhân của hiện tượng này thường bắt nguồn từ biến bị bỏ sót chưa quan sát được, sai số đo lường trong dữ liệu, hoặc tính đồng thời giữa nguyên nhân và kết quả. Nếu ước lượng bằng phương pháp bình phương tối thiểu thông thường (Ordinary Least Squares, OLS), các hệ số hồi quy thu được sẽ bị chệch và không nhất quán, dẫn đến các kết luận sai lệch về mặt chính sách và thực nghiệm.\u003C\u002Fp>\n\u003Cp>Phương pháp tiếp cận biến công cụ truyền thống, điển hình là ước lượng bình phương tối thiểu hai bước (Two-Stage Least Squares, 2SLS), giải quyết vấn đề này bằng cách phân rã biến nội sinh thành hai thành phần: một thành phần ngoại sinh được dự báo từ các biến công cụ và một thành phần nội sinh nằm trong phần dư. Trong mô hình tuyến tính chuẩn, ước lượng 2SLS sử dụng giá trị khớp của biến nội sinh từ bước thứ nhất để thay thế cho chính biến đó ở bước thứ hai.\u003C\u002Fp>\n\u003Cp>Ngược lại, phương pháp hàm điều khiển tiếp cận bài toán từ một góc nhìn đối ngẫu nhưng mang lại sự linh hoạt vượt trội trong các cấu trúc phi tuyến. Thay vì loại bỏ phần nội sinh để chỉ giữ lại phần dự báo ngoại sinh, phương pháp này giữ nguyên biến giải thích ban đầu trong phương trình cấu trúc, đồng thời đưa thêm một hàm {{topic|%7B%22topic%22%3A%22to%C3%A1n%20h%E1%BB%8Dc%22%7D}} của phần dư ước lượng từ phương trình rút gọn vào mô hình. Hàm toán học bổ sung này được gọi là hàm điều khiển. Vai trò cốt lõi của hàm điều khiển là điều kiện hóa thành phần sai số cấu trúc theo phần dư của phương trình rút gọn, từ đó triệt tiêu hoàn toàn sự tương quan giữa biến giải thích nội sinh và phần sai số còn lại.\u003C\u002Fp>\n\u003Cp>Trong bối cảnh mô hình hồi quy tuyến tính chuẩn, sự tương đương về mặt số học giữa ước lượng hàm điều khiển và ước lượng bình phương tối thiểu hai bước 2SLS là một đồng nhất thức đại số OLS thuần tuý xuất phát từ định lý Frisch-Waugh-Lovell. Tính chất trùng khớp này nghiệm đúng trên mọi mẫu {{topic|%7B%22topic%22%3A%22d%E1%BB%AF%20li%E1%BB%87u%20th%E1%BB%B1c%20nghi%E1%BB%87m%22%7D}} mà không đòi hỏi bất kỳ giả định nào về dạng phân phối của sai số ngẫu nhiên. Tuy nhiên, sức mạnh thực sự và giá trị ứng dụng độc đáo của phương pháp hàm điều khiển nằm ở khả năng mở rộng tự nhiên sang các lớp mô hình phi tuyến phức tạp, mô hình lựa chọn rời rạc, mô hình dữ liệu bảng có hiệu ứng cố định không quan sát được và các mô hình kinh tế lượng phi tham số.\u003C\u002Fp>\n\n\u003Ch2>Mô hình chọn mẫu hai bước Heckman và tỷ số nghịch đảo Mills\u003C\u002Fh2>\n\u003Cp>Nguồn gốc lịch sử và ứng dụng kinh điển nhất của tư duy hàm điều khiển bắt nguồn từ công trình mang tính bước ngoặt của nhà {{topic|%7B%22topic%22%3A%22kinh%20t%E1%BA%BF%20h%E1%BB%8Dc%22%7D}} đoạt giải Nobel James Heckman vào năm 1979 công bố trên tạp chí Econometrica. Trong nghiên cứu này, Heckman (1979) đã chứng minh rằng hiện tượng sai lệch chọn mẫu (sample selection bias) thực chất có thể được nhìn nhận và xử lý như một dạng sai số định dạng mô hình do bỏ sót biến giải thích.\u003C\u002Fp>\n\u003Cp>Xét bài toán ước lượng phương trình {{topic|%7B%22topic%22%3A%22ti%E1%BB%81n%20l%C6%B0%C6%A1ng%22%7D}} của người lao động, trong đó tiền lương chỉ được quan sát đối với những cá nhân thực sự tham gia vào {{topic|%7B%22topic%22%3A%22l%E1%BB%B1c%20l%C6%B0%E1%BB%A3ng%20lao%20%C4%91%E1%BB%99ng%22%7D}}. Quyết định tham gia {{topic|%7B%22topic%22%3A%22th%E1%BB%8B%20tr%C6%B0%E1%BB%9Dng%20lao%20%C4%91%E1%BB%99ng%22%7D}} là một quá trình tự lựa chọn tối ưu của cá nhân, dẫn đến việc nhóm người đi làm có thể sở hữu những đặc điểm năng lực hoặc động lực chưa quan sát được vượt trội hơn so với nhóm không đi làm. Nếu chỉ hồi quy OLS đơn thuần trên mẫu những người có việc làm, sai số của phương trình tiền lương sẽ không có kỳ vọng bằng không do điều kiện chọn mẫu.\u003C\u002Fp>\n\u003Cp>Heckman (1979) đã đề xuất quy trình ước lượng hai bước mẫu mực đặt nền móng cho phương pháp hàm điều khiển:\u003C\u002Fp>\n\u003Cul>\n    \u003Cli>\u003Cstrong>Bước thứ nhất:\u003C\u002Fstrong> Ước lượng một mô hình probit về {{topic|%7B%22topic%22%3A%22x%C3%A1c%20su%E1%BA%A5t%22%7D}} tham gia thị trường lao động của toàn bộ mẫu quan sát dựa trên các biến ngoại sinh và ít nhất một biến công cụ ngoại trừ ảnh hưởng đến quyết định đi làm nhưng không tác động trực tiếp lên mức lương. Từ các hệ số ước lượng probit, tính toán giá trị tỷ số nghịch đảo Mills (inverse Mills ratio) cho từng quan sát.\u003C\u002Fli>\n    \u003Cli>\u003Cstrong>Bước thứ hai:\u003C\u002Fstrong> Đưa tỷ số nghịch đảo Mills đã tính toán vào phương trình hồi quy tiền lương như một biến giải thích bổ sung và tiến hành ước lượng bằng phương pháp OLS trên mẫu quan sát được chọn.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Trong cấu trúc này, tỷ số nghịch đảo Mills chính là một hàm điều khiển tham số cụ thể. Bằng cách đưa hàm này vào phương trình hồi quy, kỳ vọng có điều kiện của sai số cấu trúc được kiểm soát hoàn toàn, biến phần sai số còn lại thành một đại lượng có kỳ vọng có điều kiện bằng không nhưng mang đặc tính phương sai thay đổi (heteroskedasticity) phụ thuộc vào các biến giải thích. Hệ số hồi quy đi kèm tỷ số nghịch đảo Mills cung cấp một kiểm định thống kê trực tiếp về sự hiện diện của sai lệch chọn mẫu: nếu hệ số này khác không có ý nghĩa thống kê, {{topic|%7B%22topic%22%3A%22gi%E1%BA%A3%20thuy%E1%BA%BFt%22%7D}} về tính ngoại sinh của quá trình chọn mẫu bị bác bỏ.\u003C\u002Fp>\n\n\u003Ch2>Mô hình phi tuyến và ước lượng probit đồng thời Rivers-Vuong\u003C\u002Fh2>\n\u003Cp>Khi biến phụ thuộc là biến nhị phân hoặc biến định tính rời rạc, việc áp dụng phương pháp biến công cụ tuyến tính thông thường (như 2SLS tuyến tính cho mô hình xác suất tuyến tính) thường bộc lộ nhiều khiếm khuyết nghiêm trọng, chẳng hạn như dự báo xác suất nằm ngoài khoảng không một hoặc vi phạm giả định phương sai sai số đồng nhất. Trong bối cảnh này, phương pháp hàm điều khiển cung cấp một giải pháp ước lượng thanh lịch và nhất quán.\u003C\u002Fp>\n\u003Cp>Nghiên cứu kinh điển của Rivers và Vuong (1988) công bố trên Journal of Econometrics đã phát triển phương pháp ước lượng thông tin giới hạn hai bước (hai bước hợp lý cực đại có điều kiện) cho mô hình probit chứa biến giải thích nội sinh liên tục. Quy trình ước lượng Rivers-Vuong vận hành theo các bước chặt chẽ:\u003C\u002Fp>\n\u003Cul>\n    \u003Cli>\u003Cstrong>Bước thứ nhất (Phương trình rút gọn):\u003C\u002Fstrong> Hồi quy tuyến tính biến giải thích nội sinh trên toàn bộ tập hợp các biến ngoại sinh và các biến công cụ ngoại trừ bằng phương pháp OLS. Từ kết quả hồi quy, trích xuất chuỗi phần dư ước lượng đại diện cho thành phần biến thiên chưa được giải thích của biến nội sinh.\u003C\u002Fli>\n    \u003Cli>\u003Cstrong>Bước thứ hai (Phương trình cấu trúc probit):\u003C\u002Fstrong> Ước lượng mô hình probit tiêu chuẩn của biến phụ thuộc nhị phân với tập biến giải thích bao gồm các biến độc lập ban đầu, biến nội sinh liên tục và phần dư ước lượng được trích xuất từ bước thứ nhất.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Theo chứng minh của Rivers và Vuong (1988), phần dư đưa vào phương trình probit ở bước thứ hai đóng vai trò là một hàm điều khiển tuyến tính. Khi kiểm soát phần dư này, biến nội sinh ban đầu trở nên ngoại sinh có điều kiện đối với phần sai số ngẫu nhiên còn lại của mô hình probit. Một ưu điểm thực nghiệm vô cùng to lớn của tiếp cận Rivers và Vuong (1988) là kiểm định tính ngoại sinh trở nên cực kỳ đơn giản: chỉ cần thực hiện kiểm định giả thuyết thống kê chuẩn (chẳng hạn kiểm định t hoặc kiểm định tỷ số khả dĩ) cho hệ số của phần dư trong phương trình probit bước thứ hai. Nếu hệ số này không có ý nghĩa thống kê, nhà nghiên cứu có thể an tâm kết luận về tính ngoại sinh mà không cần lo ngại về sai lệch nội sinh.\u003C\u002Fp>\n\n\u003Ch2>Mở rộng phi tham số và mô hình tam giác không cộng tính\u003C\u002Fh2>\n\u003Cp>Trong các ứng dụng kinh tế lượng hiện đại, các giả định phân phối tham số ngặt nghèo (như giả định sai số phân phối chuẩn đa biến) thường bị hoài nghi vì nếu phân phối thực tế bị sai lệch định dạng, các ước lượng tham số của hàm điều khiển có thể mất đi tính nhất quán. Để vượt qua rào cản này, lý thuyết kinh tế lượng vi mô đã chứng kiến bước phát triển vượt bậc hướng tới các phương pháp tiếp cận bán tham số và phi tham số hoàn toàn.\u003C\u002Fp>\n\u003Cp>Đóng góp nền tảng của Imbens và Newey (2009) trên tạp chí Econometrica đã mở rộng phương pháp hàm điều khiển cho lớp mô hình phương trình đồng thời dạng tam giác không có tính cộng tính (nonseparable triangular simultaneous equations models). Trong mô hình này, biến phụ thuộc và biến nội sinh liên hệ với nhau thông qua một hàm cấu trúc tổng quát phi tuyến và không thể tách rời sai số ngẫu nhiên theo phép cộng đơn thuần.\u003C\u002Fp>\n\u003Cp>Imbens và Newey (2009) đã chứng minh rằng một hàm điều khiển phi tham số hợp lệ có thể được xây dựng trực tiếp từ hàm phân phối tích lũy có điều kiện (conditional cumulative distribution function) của biến giải thích nội sinh khi biết giá trị của các biến công cụ. Cụ thể, biến điều khiển được định nghĩa là giá trị xác suất tích lũy mà biến nội sinh đạt được trong phân phối có điều kiện của nó ứng với các biến công cụ. Khi điều kiện hóa theo biến điều khiển này, tính độc lập có điều kiện giữa biến nội sinh và sai số cấu trúc được thiết lập đầy đủ.\u003C\u002Fp>\n\u003Cp>Định lý nhận dạng phi tham số của Imbens và Newey (2009) đòi hỏi hai điều kiện quan trọng: phương trình dạng rút gọn ở bước thứ nhất phải đơn điệu ngặt theo một sai số vô hướng duy nhất và biến giải thích nội sinh phải là một biến liên tục. Khi các điều kiện này được thỏa mãn, phương pháp hàm điều khiển phi tham số cho phép nhận dạng và ước lượng nhất quán các đại lượng kinh tế lượng quan trọng như hàm cấu trúc trung bình (average structural function) và hàm cấu trúc phân vị (quantile structural function) mà không cần áp đặt bất kỳ giả định tham số nào lên hàm hồi quy hay phân phối sai số.\u003C\u002Fp>\n\n\u003Ch2>Hồi quy phân vị và ứng dụng kinh tế lượng thực nghiệm\u003C\u002Fh2>\n\u003Cp>Bên cạnh việc ước lượng tác động trung bình, các nhà kinh tế học thực nghiệm ngày càng quan tâm đến tác động phân phối không đồng nhất của các can thiệp chính sách lên các phân vị khác nhau của biến kết quả. Nghiên cứu của nhà kinh tế lượng Sokbae Lee vào năm 2007 trên Journal of Econometrics đã tiên phong thiết lập phương pháp tiếp cận hàm điều khiển cho các mô hình hồi quy phân vị có biến giải thích nội sinh.\u003C\u002Fp>\n\u003Cp>Theo Lee (2007), việc xử lý biến nội sinh trong mô hình phân vị thông qua biến công cụ truyền thống gặp phải thách thức toán học lớn do tính chất phi tuyến của toán tử phân vị. Bằng cách ước lượng phần dư từ phương trình dạng rút gọn ở bước thứ nhất và đưa biến điều khiển này vào phương trình hồi quy phân vị ở bước thứ hai theo dạng phi tham số chuỗi, Lee (2007) đã chứng minh rằng phương pháp hàm điều khiển cho phép ước lượng nhất quán hiệu ứng can thiệp phân vị (quantile treatment effects) trên toàn bộ dải phân vị của tổng thể phân tích mà không cần áp đặt ràng buộc dạng hàm lên tương quan giữa các sai số.\u003C\u002Fp>\n\u003Cp>Trong bài báo tổng quan toàn diện công bố trên Journal of Human Resources, Wooldridge (2015) đã hệ thống hóa các phương pháp hàm điều khiển trong kinh tế lượng ứng dụng hiện đại. Wooldridge (2015) nhấn mạnh rằng phương pháp hàm điều khiển đặc biệt vượt trội trong các tình huống sau:\u003C\u002Fp>\n\u003Cul>\n    \u003Cli>Mô hình biến phụ thuộc dạng tỷ lệ (fractional response models) khi có biến giải thích nội sinh.\u003C\u002Fli>\n    \u003Cli>Mô hình đếm (count data models) như Poisson hay nhị thức âm có biến nội sinh liên tục.\u003C\u002Fli>\n    \u003Cli>Mô hình có hệ số ngẫu nhiên và tính không đồng nhất chưa quan sát tương tác với biến nội sinh.\u003C\u002Fli>\n    \u003Cli>Các kiểm định tính nội sinh mạnh mẽ, có khả năng kháng lại hiện tượng phương sai thay đổi mà không đòi hỏi các thuật toán tối ưu hóa phi tuyến phức tạp.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>So sánh kỹ thuật giữa biến công cụ chuẩn và hàm điều khiển\u003C\u002Fh2>\n\u003Cp>Mặc dù cùng chia sẻ mục tiêu triệt tiêu chệch do biến nội sinh gây ra thông qua việc sử dụng các biến công cụ ngoại trừ, phương pháp biến công cụ truyền thống (IV\u002F2SLS) và phương pháp hàm điều khiển (CF) sở hữu những đặc tính kỹ thuật và phạm vi ứng dụng rất khác biệt.\u003C\u002Fp>\n\u003Cp>Bảng dưới đây tổng hợp các điểm tương đồng và dị biệt cốt lõi giữa hai phương pháp tiếp cận kinh tế lượng này:\u003C\u002Fp>\n\n\u003Ctable>\n    \u003Cthead>\n        \u003Ctr>\n            \u003Cth>Tiêu chí so sánh\u003C\u002Fth>\n            \u003Cth>Biến công cụ truyền thống (IV \u002F 2SLS)\u003C\u002Fth>\n            \u003Cth>Phương pháp hàm điều khiển (Control Function)\u003C\u002Fth>\n        \u003C\u002Ftr>\n    \u003C\u002Fthead>\n    \u003Ctbody>\n        \u003Ctr>\n            \u003Ctd>Cơ chế xử lý biến nội sinh\u003C\u002Ftd>\n            \u003Ctd>Thay thế biến nội sinh bằng giá trị dự báo từ phương trình cấp một\u003C\u002Ftd>\n            \u003Ctd>Giữ nguyên biến nội sinh và bổ sung hàm của phần dư phương trình cấp một\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>Hành vi trong mô hình tuyến tính\u003C\u002Ftd>\n            \u003Ctd>Cho ước lượng hệ số góc nhất quán chuẩn tắc\u003C\u002Ftd>\n            \u003Ctd>Cho ước lượng hệ số góc hoàn toàn trùng khớp đại số theo định lý Frisch-Waugh-Lovell\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>Khả năng thích ứng mô hình phi tuyến\u003C\u002Ftd>\n            \u003Ctd>Khó mở rộng, dễ rơi vào bẫy ước lượng chệch (cấm kỵ 2SLS ngây thơ)\u003C\u002Ftd>\n            \u003Ctd>Rất tự nhiên và hiệu quả cho các mô hình probit, tobit, hồi quy phân vị\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>Yêu cầu giả định phân phối\u003C\u002Ftd>\n            \u003Ctd>Chỉ đòi hỏi tính trực giao của biến công cụ và điều kiện hạng\u003C\u002Ftd>\n            \u003Ctd>Thường đòi hỏi giả định về cấu trúc sai số hoặc tính đơn điệu vô hướng\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>Kiểm định tính nội sinh\u003C\u002Ftd>\n            \u003Ctd>Cần tính toán các kiểm định Hausman phức tạp qua ma trận hiệp phương sai\u003C\u002Ftd>\n            \u003Ctd>Kiểm định trực tiếp bằng hệ số t của biến phần dư trong phương trình chính\u003C\u002Ftd>\n        \u003C\u002Ftr>\n        \u003Ctr>\n            \u003Ctd>Hiệu chỉnh sai số chuẩn\u003C\u002Ftd>\n            \u003Ctd>Được các phần mềm thống kê tự động chuẩn hóa\u003C\u002Ftd>\n            \u003Ctd>Thống kê t kiểm định ngoại sinh hợp lệ chuẩn tắc; suy diễn hệ số cấu trúc cần sandwich hoặc bootstrap\u003C\u002Ftd>\n        \u003C\u002Ftr>\n    \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Cp>Theo phân tích phương pháp luận chi tiết của Wooldridge (2015), một ưu thế thực nghiệm vượt bậc của phương pháp hàm điều khiển nằm ở kiểm định tính ngoại sinh: dưới giả thuyết vô hiệu biến giải thích là ngoại sinh, kiểm định t thông thường đối với hệ số của phần dư ở bước thứ hai là hoàn toàn chuẩn xác và hợp lệ tiệm cận mà không cần bất kỳ sự hiệu chỉnh sai số chuẩn nào. Tuy nhiên, khi giả thuyết ngoại sinh bị bác bỏ và nhà nghiên cứu muốn suy diễn thống kê trên các hệ số cấu trúc khác, việc phần dư là một biến số được ước lượng sinh ra từ bước thứ nhất (generated regressor) sẽ khiến sai số chuẩn OLS hoặc probit thông thường bị chệch xuống. Trong tình huống đó, việc áp dụng công thức điều chỉnh {{topic|%7B%22topic%22%3A%22ma%20tr%E1%BA%ADn%22%7D}} thông tin dạng sandwich hoặc sử dụng kỹ thuật lấy mẫu lặp lại bootstrap theo cụm là bắt buộc để đảm bảo {{topic|%7B%22topic%22%3A%22kho%E1%BA%A3ng%20tin%20c%E1%BA%ADy%22%7D}} và kiểm định thống kê chuẩn xác.\u003C\u002Fp>\n\n\u003Ch2>Thách thức của biến giải thích nội sinh rời rạc và tính không đồng nhất chưa quan sát\u003C\u002Fh2>\n\u003Cp>Một trong những giới hạn phương pháp luận quan trọng nhất của phương pháp hàm điều khiển trong kinh tế lượng hiện đại là việc xử lý các biến giải thích nội sinh có tính chất rời rạc (chẳng hạn như biến nhị phân chỉ thị can thiệp chính sách hoặc biến đếm nguyên). Như Wooldridge (2015) đã chỉ ra, khi biến nội sinh là biến rời rạc, phần dư từ phương trình dạng rút gọn cấp một không thể liên tục và không thể đóng vai trò như một hàm điều khiển hoàn hảo để trực giao hóa hoàn toàn sai số cấu trúc trong các mô hình phi tuyến không cộng tính.\u003C\u002Fp>\n\u003Cp>Trong các tình huống này, việc áp dụng máy móc phương pháp hàm điều khiển tiêu chuẩn có thể dẫn đến các ước lượng không nhất quán nếu dạng phân phối thực tế của sai số bị sai lệch định dạng. Để khắc phục hạn chế này, các nhà kinh tế lượng thường áp dụng các giải pháp xấp xỉ tham số linh hoạt hoặc kết hợp phương pháp hàm điều khiển với ước lượng hiệu ứng can thiệp cục bộ (Local Average Treatment Effects, LATE) thông qua biến công cụ truyền thống. Sự kết hợp hài hòa giữa biến công cụ tuyến tính và hàm điều khiển phi tuyến mang lại cho các nhà nghiên cứu một bộ công cụ thực nghiệm đa năng và đáng tin cậy để giải mã các mối quan hệ nhân quả phức tạp trong kinh tế học và {{topic|%7B%22topic%22%3A%22khoa%20h%E1%BB%8Dc%20x%C3%A3%20h%E1%BB%99i%22%7D}} hiện đại.\u003C\u002Fp>","Control Function",[19,20,21],"phương pháp hàm điều khiển","tiếp cận hàm điều khiển","control function approach","Hàm điều khiển (control function) là một phương pháp ước lượng kinh tế lượng và thống kê được sử dụng để khắc phục hiện tượng biến giải thích nội sinh (endogeneity) bằng cách mô hình hóa và kiểm soát thành phần sai số chưa quan sát được thông qua các biến phụ trợ hoặc phần dư ước lượng từ phương trình rút gọn.","SOCIAL_SCIENCES",[25,32,39,46,52],{"citationText":26,"title":27,"authors":28,"source":29,"year":30,"doi":31,"url":10},"Wooldridge, J. M. (2015). Control Function Methods in Applied Econometrics. Journal of Human Resources, 50(2), 420-445.","Control Function Methods in Applied Econometrics","Wooldridge","Journal of Human Resources",2015,"10.3368\u002Fjhr.50.2.420",{"citationText":33,"title":34,"authors":35,"source":36,"year":37,"doi":38,"url":10},"Heckman, J. J. (1979). Sample Selection Bias as a Specification Error. Econometrica, 47(1), 153-161.","Sample Selection Bias as a Specification Error","Heckman","Econometrica",1979,"10.2307\u002F1912352",{"citationText":40,"title":41,"authors":42,"source":43,"year":44,"doi":45,"url":10},"Rivers, D., & Vuong, Q. H. (1988). Limited information estimators and exogeneity tests for simultaneous probit models. Journal of Econometrics, 39(3), 347-366.","Limited information estimators and exogeneity tests for simultaneous probit models","Rivers, Vuong","Journal of Econometrics",1988,"10.1016\u002F0304-4076(88)90063-2",{"citationText":47,"title":48,"authors":49,"source":36,"year":50,"doi":51,"url":10},"Imbens, G. W., & Newey, W. K. (2009). Identification and Estimation of Triangular Simultaneous Equations Models Without Additivity. Econometrica, 77(5), 1481-1512.","Identification and Estimation of Triangular Simultaneous Equations Models Without Additivity","Imbens, Newey",2009,"10.3982\u002Fecta7108",{"citationText":53,"title":54,"authors":55,"source":43,"year":56,"doi":57,"url":10},"Lee, S. (2007). Endogeneity in quantile regression models: A control function approach. Journal of Econometrics, 141(2), 1131-1158.","Endogeneity in quantile regression models: A control function approach","Lee, Sokbae",2007,"10.1016\u002Fj.jeconom.2007.01.014",[59,62,65],{"question":60,"answer":61},"Vì sao phương pháp hàm điều khiển thường được ưu tiên hơn biến công cụ truyền thống trong các mô hình phi tuyến?","Trong các mô hình phi tuyến như probit hay hồi quy phân vị, việc thay thế biến nội sinh bằng giá trị dự báo tuyến tính từ bước thứ nhất thường dẫn đến ước lượng bị chệch và không nhất quán. Phương pháp hàm điều khiển giữ nguyên biến nội sinh và bổ sung trực tiếp phần dư vào phương trình chính, giúp điều kiện hóa chính xác cấu trúc sai số phi tuyến mà vẫn bảo toàn dạng hàm mục tiêu.",{"question":63,"answer":64},"Tỷ số nghịch đảo Mills trong mô hình chọn mẫu Heckman đóng vai trò hàm điều khiển như thế nào?","Tỷ số nghịch đảo Mills được tính toán từ mô hình probit chọn mẫu đại diện cho kỳ vọng có điều kiện của phần sai số chưa quan sát được đối với các cá nhân tham gia vào mẫu. Khi đưa tỷ số này vào phương trình hồi quy kết quả, nó hoạt động như một hàm điều khiển triệt tiêu thành phần chệch do biến bị bỏ sót, giúp các hệ số OLS trở nên nhất quán.",{"question":66,"answer":67},"Khi nào việc hiệu chỉnh sai số chuẩn ở bước thứ hai là bắt buộc đối với phương pháp hàm điều khiển?","Dưới giả thuyết vô hiệu biến giải thích là ngoại sinh, kiểm định t thông thường trên hệ số của phần dư là hoàn toàn hợp lệ mà không cần hiệu chỉnh sai số chuẩn. Tuy nhiên, khi giả thuyết ngoại sinh bị bác bỏ và cần suy diễn thống kê trên các hệ số cấu trúc khác, việc phần dư là một đại lượng ước lượng đòi hỏi bắt buộc phải hiệu chỉnh ma trận hiệp phương sai dạng sandwich hoặc dùng kỹ thuật bootstrap.",{"id":69,"researcherId":10,"name":70,"imageUrl":71},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":69,"researcherId":10,"name":70,"imageUrl":71},[13],false,"PUBLISHED","2025-12-01T11:20:44.008+00:00","2026-09-13T16:40:28.509+00:00","2026-09-13T16:24:53.966+00:00",0,[81,90,96,100,105,110,114,119,124,129],{"id":82,"title":83,"term":82,"englishTitle":84,"definition":85,"discipline":23,"disciplineCode":86,"disciplineLabel":87,"disciplineColor":88,"disciplineIcon":89},"chuẩn chủ quan","Chuẩn chủ quan là gì? Cấu trúc và ứng dụng","subjective norm","Chuẩn chủ quan (subjective norm) là nhận thức của một cá nhân về áp lực và kỳ vọng xã hội từ những người hoặc nhóm tham chiếu quan trọng đối với việc họ nên hay không nên thực hiện một hành vi cụ thể.","social-sciences","Khoa học xã hội","#E08600","users",{"id":91,"title":92,"term":93,"englishTitle":94,"definition":95,"discipline":23,"disciplineCode":86,"disciplineLabel":87,"disciplineColor":88,"disciplineIcon":89},"tương tác xã hội","Tương tác xã hội là gì? Các nghiên cứu khoa học liên quan","Tương tác xã hội","social interaction","Tương tác xã hội (social interaction) là quá trình giao tiếp, hành động và phản ứng tương hỗ qua lại có ý nghĩa biểu trưng giữa hai hay nhiều cá nhân hoặc nhóm người trong một bối cảnh xã hội xác định.",{"id":97,"title":98,"term":97,"englishTitle":97,"definition":99,"discipline":23,"disciplineCode":86,"disciplineLabel":87,"disciplineColor":88,"disciplineIcon":89},"context","Context là gì? Các công bố khoa học về Context","Context (ngữ cảnh\u002Fbối cảnh) là tập hợp toàn bộ các điều kiện, hoàn cảnh, dữ kiện xung quanh và trạng thái môi trường có liên quan trực tiếp đến việc định hình ý nghĩa, nhận thức và hành vi của một đối tượng hoặc hệ thống.",{"id":101,"title":102,"term":101,"englishTitle":103,"definition":104,"discipline":23,"disciplineCode":86,"disciplineLabel":87,"disciplineColor":88,"disciplineIcon":89},"thành tích học tập","Thành tích học tập là gì? Yếu tố tâm lý Richardson, Hattie và SES Sirin","academic achievement","Thành tích học tập là mức độ nắm vững tri thức, kỹ năng tư duy và phẩm chất của người học được định lượng qua điểm số và đánh giá chuẩn hóa, chịu sự chi phối của tự nhận thức học thuật Richardson, chiến lược sư phạm Hattie và điều kiện kinh tế xã hội Sirin.",{"id":106,"title":107,"term":106,"englishTitle":108,"definition":109,"discipline":23,"disciplineCode":86,"disciplineLabel":87,"disciplineColor":88,"disciplineIcon":89},"hài hước","Hài hước là gì? Cơ sở tâm lý học, thần kinh và ứng dụng","humor","Hài hước là hiện tượng tâm lý - nhận thức và hành vi xã hội đặc trưng bởi khả năng tạo ra, cảm nhận và biểu đạt các kích thích mang tính bất đối xứng, phi lý hoặc bất ngờ nhằm khơi gợi tiếng cười, niềm vui và sự gắn kết liên cá nhân.",{"id":111,"title":112,"term":111,"englishTitle":111,"definition":113,"discipline":23,"disciplineCode":86,"disciplineLabel":87,"disciplineColor":88,"disciplineIcon":89},"pedagogy","Pedagogy là gì? Các nghiên cứu khoa học về Pedagogy","Pedagogy là khoa học và nghệ thuật giáo dục nghiên cứu về lý thuyết, phương pháp giảng dạy và quá trình tương tác sư phạm nhằm tối ưu hóa việc học.",{"id":115,"title":116,"term":115,"englishTitle":117,"definition":118,"discipline":23,"disciplineCode":86,"disciplineLabel":87,"disciplineColor":88,"disciplineIcon":89},"cô lập xã hội","Cô lập xã hội là gì? Tác động sức khỏe và biện pháp can thiệp","social isolation","Cô lập xã hội là tình trạng khách quan khi một cá nhân thiếu hụt các mối quan hệ và tiếp xúc xã hội thường xuyên, gây ra các nguy cơ bệnh lý tim mạch, tâm thần và tử vong sớm.",{"id":120,"title":121,"term":120,"englishTitle":122,"definition":123,"discipline":23,"disciplineCode":86,"disciplineLabel":87,"disciplineColor":88,"disciplineIcon":89},"nghiên cứu theo chiều dọc","Nghiên cứu theo chiều dọc là gì? Các phân tích khoa học","Longitudinal Study","Nghiên cứu theo chiều dọc là một thiết kế nghiên cứu quan sát trong đó dữ liệu được thu thập lặp lại từ cùng một nhóm đối tượng qua nhiều mốc thời gian liên tiếp nhằm theo dõi sự biến đổi và thiết lập mối quan hệ nhân quả theo tiến trình tự nhiên.",{"id":125,"title":126,"term":125,"englishTitle":127,"definition":128,"discipline":23,"disciplineCode":86,"disciplineLabel":87,"disciplineColor":88,"disciplineIcon":89},"nghiên cứu so sánh","Nghiên cứu so sánh: Khái niệm, phương pháp và ứng dụng","Comparative research","Nghiên cứu so sánh là phương pháp khoa học dùng để phân tích, đối chiếu sự tương đồng và khác biệt giữa hai hoặc nhiều đơn vị nghiên cứu nhằm làm rõ cơ chế, quy luật và các nhân tố tác động.",{"id":130,"title":131,"term":130,"englishTitle":132,"definition":133,"discipline":23,"disciplineCode":86,"disciplineLabel":87,"disciplineColor":88,"disciplineIcon":89},"hiệu quả kỹ thuật","Hiệu quả kỹ thuật là gì? Các công bố khoa học về Hiệu quả kỹ thuật","technical efficiency","Hiệu quả kỹ thuật (Technical Efficiency, TE) trong kinh tế học vi mô và phân tích sản xuất là khả năng của một đơn vị ra quyết định (DMU, như doanh nghiệp hoặc nông hộ) tạo ra mức sản lượng đầu ra tối đa từ một tập hợp các yếu tố đầu vào nhất định, hoặc sử dụng mức đầu vào tối thiểu để đạt được một mức sản lượng cho trước."]