Giới thiệu dự án

Nghèo đói là rào cản mang tính cấu trúc kìm hãm sự phát triển kinh tế - xã hội tại các vùng miền núi phía Bắc Việt Nam. Theo thống kê của Ngân hàng Thế giới (World Bank) và Bộ Lao động - Thương binh và Xã hội (LĐ-TB&XH), dù tỷ lệ nghèo chung của cả nước giảm mạnh xuống dưới 10% trong giai đoạn 2010–2015, khoảng cách phân hóa giàu nghèo đã tăng từ 9,2 lần (năm 2010) lên 9,5 lần (năm 2012). Đáng chú ý, đồng bào dân tộc thiểu số chiếm tới 47% tổng số hộ nghèo cả nước với thu nhập bình quân chỉ bằng 1/6 mức bình quân quốc gia. Cơ chế giảm nghèo truyền thống dựa trên thước đo đơn chiều (chi tiêu và thu nhập) bộc lộ hạn chế nghiêm trọng: tỷ lệ tái nghèo cao (trung bình 3 hộ thoát nghèo thì có 1 hộ tái nghèo) do bỏ sót các thiếu hụt phi tiền tệ như giáo dục, y tế, nhà ở, nước sạch và thông tin.

Đề tài nghiên cứu ứng dụng "Nghiên cứu thực trạng và đề xuất giải pháp giảm nghèo bền vững tại xã Tụ Nhân, huyện Hoàng Su Phì, tỉnh Hà Giang" (Chuyên ngành Phát triển Nông thôn, Khoa Kinh tế & PTNT – Trường Đại học Nông Lâm Thái Nguyên) giải quyết bài toán cốt lõi: Làm thế nào để định lượng chính xác mức độ nghèo đa chiều tại địa bàn vùng cao đặc biệt khó khăn, từ đó thiết kế khung chính sách can thiệp trúng đích và bền vững?

Mục tiêu dự án

  1. Định lượng thực trạng nghèo đa chiều: Đánh giá toàn diện cấu trúc nghèo đói của 788 hộ dân tại xã Tụ Nhân giai đoạn 2015–2017 theo Quyết định số 59/2015/QĐ-TTg.
  2. Phân tích nguyên nhân và nhân tố ảnh hưởng: Xác định tương quan giữa thiếu hụt tài sản sinh kế (khung DFID SLA) với nguy cơ rơi vào bẫy nghèo.
  3. Mô hình hóa dữ liệu và xây dựng giải pháp: Đề xuất hệ thống giải pháp can thiệp phân tầng theo từng chiều thiếu hụt, nâng cao hiệu quả phân bổ ngân sách Chương trình mục tiêu Quốc gia giảm nghèo bền vững và Nghị quyết 30a/2008/NQ-CP.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp tiếp cận: Kết hợp phương pháp đo lường nghèo đa chiều Alkire-Foster (AF Method) với Khung phân tích sinh kế bền vững (DFID Sustainable Livelihoods Approach - SLA 1999).
  • Kết quả định lượng kỳ vọng:
    • Giảm tỷ lệ hộ nghèo toàn xã từ 64,81% (năm 2015) xuống dưới 50% vào năm 2020.
    • Xóa bỏ 100% tình trạng thiếu hụt dịch vụ bảo hiểm y tế và giảm tỷ lệ thiếu hụt tiếp cận thông tin từ 51,76% xuống dưới 20%.
    • Tối ưu hóa 100% danh mục đầu tư công theo 10 chỉ số thiếu hụt cơ bản.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Xã Tụ Nhân, huyện Hoàng Su Phì, tỉnh Hà Giang (tập trung khảo sát sâu 3 thôn đại diện: Bản Cậy - kinh tế phát triển; Nắm Ản - trung bình; U Khố Sủ - đặc biệt khó khăn).
  • Thời gian: Số liệu thứ cấp thu thập chuỗi thời gian 2015–2017; số liệu sơ cấp điều tra thực địa năm 2017.
  • Giới hạn: Khảo sát chuyên sâu cỡ mẫu $n = 60$ hộ đại diện (47 hộ nghèo, 13 hộ cận nghèo) từ tổng thể $N = 788$ hộ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Cách tiếp cận đo lường nghèo đơn chiều (dựa trên mức thu nhập chuẩn $\le 700.000$ VNĐ/người/tháng tại nông thôn) đã tạo ra chính sách "cào bằng" và tâm lý ỷ lại. Bảng so sánh dưới đây làm rõ các khoảng trống công nghệ và phương pháp luận:

Tiêu chí phân tích Phương pháp Đơn chiều (CBN / Thu nhập) Khung Quốc tế (OPHI / UNDP MPI) Mô hình Nghiên cứu Đa chiều Ứng dụng (Đề tài)
Thước đo chính Thu nhập / Chi tiêu quy tiền 3 chiều: Y tế, Giáo dục, Mức sống (10 chỉ số) 5 chiều: Y tế, Giáo dục, Nhà ở, Nước sạch & Vệ sinh, Thông tin (10 chỉ số theo QĐ 59)
Nhận diện hộ nghèo Bỏ sót hộ có thu nhập sát chuẩn nhưng thiếu hụt an sinh Phù hợp so sánh vĩ mô quốc tế Nhận diện chi tiết: Nhóm N1 (nghèo thu nhập) và N2 (nghèo đa chiều thiếu hụt)
Độ nhạy chính sách Thấp, dễ dẫn đến tái nghèo (tỷ lệ 33,3%) Trung bình đối với cấp xã/thôn Rất cao, phân rã chính xác từng điểm nghẽn hạ tầng tại thôn bản
Tính bền vững Kém (hỗ trợ phát tiền trực tiếp) Trung bình Cao (tích hợp 5 nguồn vốn sinh kế: Tự nhiên, Con người, Vật chất, Xã hội, Tài chính)

Phân loại yêu cầu giải pháp theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Thuật toán phân loại chính xác hộ nghèo Nhóm N1 (thu nhập $\le 700.000$ VNĐ) và Nhóm N2 (thu nhập $> 700.000$ VNĐ nhưng thiếu hụt $\ge 3$ chỉ số dịch vụ xã hội cơ bản); ma trận phân bổ vốn đầu tư cho 10 chỉ số thiếu hụt.
  • Should-have (Nên có): Tích hợp hệ thống quản lý dữ liệu hộ gia đình và bản đồ hóa chỉ số thiếu hụt theo tọa độ thôn bản.
  • Could-have (Có thể có): Khung đánh giá sinh kế bán tự động dựa trên phân tích thành phần chính (PCA) và phân tích tương ứng bội (MCA).
  • Won't-have (Chưa thực hiện): Hệ thống chấm điểm tín dụng động theo thời gian thực (real-time credit scoring) cho kinh tế hộ.

Thiết kế hệ thống

Kiến trúc luồng xử lý dữ liệu và đánh giá nghèo đa chiều được chuẩn hóa theo mô hình Data Pipeline 4 tầng:

Technology Stack & Công cụ phân tích:

  • Ngôn ngữ & Thư viện phân tích: Python 3.10, NumPy v1.24, Pandas v2.0, SciPy v1.10.
  • Công cụ thống kê & Xử lý số liệu: IBM SPSS Statistics v22.0 (kiểm định tương quan, thống kê mô tả), Microsoft Excel 2016 Data Analysis Toolpak.
  • Khung lý thuyết: DFID Sustainable Livelihoods Framework (1999), Alkire-Foster Multidimensional Measurement (OPHI/Oxford).

Thiết kế cấu trúc dữ liệu khảo sát (Data Schema):

Table: Household_Poverty_Assessment
--------------------------------------------------------------------------------------
Field Name                | Type      | Description / Cutoff Logic (QĐ 59/2015)
--------------------------------------------------------------------------------------
household_id              | VARCHAR   | Định danh duy nhất hộ gia đình (Primary Key)
village_code              | VARCHAR   | Mã thôn (UKHO_SU, NAM_AN, BAN_CAY, NA_HU, CAN_CHI)
income_per_capita         | DECIMAL   | Thu nhập bình quân/người/tháng (VNĐ)
dep_education_adult       | TINYINT   | Thiếu hụt Trình độ GD người lớn (1: Thiếu, 0: Đạt)
dep_education_child       | TINYINT   | Trẻ em 5-15 tuổi không đi học (1: Thiếu, 0: Đạt)
dep_health_access         | TINYINT   | Ốm đau không khám chữa bệnh (1: Thiếu, 0: Đạt)
dep_health_insurance      | TINYINT   | Không có thẻ Bảo hiểm Y tế (1: Thiếu, 0: Đạt)
dep_housing_quality       | TINYINT   | Nhà tạm, nhà đơn sơ thiếu kiên cố (1: Thiếu, 0: Đạt)
dep_housing_area          | TINYINT   | Diện tích bình quân < 8m2/người (1: Thiếu, 0: Đạt)
dep_living_water          | TINYINT   | Nguồn nước không hợp vệ sinh (1: Thiếu, 0: Đạt)
dep_living_latrine        | TINYINT   | Không có hố xí/nhà tiêu hợp vệ sinh (1: Thiếu, 0: Đạt)
dep_telecom_service       | TINYINT   | Không dùng điện thoại / internet (1: Thiếu, 0: Đạt)
dep_info_assets           | TINYINT   | Không có TV/Radio/Máy tính/Loa thôn (1: Thiếu, 0: Đạt)
poverty_classification    | VARCHAR   | Kết quả: POOR_N1, POOR_N2, NEAR_POOR, NON_POOR
--------------------------------------------------------------------------------------

Methodology

Quy trình nghiên cứu áp dụng khung lặp 4 pha (Iterative Research Pipeline):

  1. Pha 1 - Thu thập dữ liệu (Data Ingestion): Thu thập chuỗi số liệu thứ cấp 3 năm (2015–2017) từ UBND xã Tụ Nhân và Phòng LĐ-TB&XH Hoàng Su Phì; phân tầng mẫu điều tra ngẫu nhiên ($n=60$) trên 3 vùng sinh thái kinh tế.
  2. Pha 2 - Xử lý & Chuẩn hóa (Cleansing & Normalization): Kiểm tra tính nhất quán của bảng hỏi, loại bỏ nhiễu sai số kê khai thu nhập thông qua đối chiếu tài sản vật chất thực tế.
  3. Pha 3 - Phân tích đa chiều (Multidimensional Modeling): Vận hành thuật toán phân loại hộ nghèo theo ngưỡng kép ($z_k, k$) của phương pháp Alkire-Foster.
  4. Pha 4 - Tổng hợp chính sách (Policy Synthesis): Lập ma trận can thiệp cho 5 chiều thiếu hụt, đánh giá rủi ro thiên tai và biến đổi khí hậu vùng dốc Hoàng Su Phì.

Implementation và kết quả

Development Process & Core Algorithms

Thuật toán phân loại hộ nghèo đa chiều được cài đặt bằng Python chuẩn hóa theo logic Quyết định 59/2015/QĐ-TTg:

import pandas as pd
import numpy as np

def classify_multidimensional_poverty(df: pd.DataFrame) -> pd.DataFrame:
    """
    Thuật toán phân loại hộ nghèo, cận nghèo theo Quyết định 59/2015/QĐ-TTg
    Khu vực: Nông thôn (Rural Cutoff)
    """
    # 10 chỉ số thiếu hụt xã hội cơ bản (mỗi chỉ số gán trọng số 10 điểm hoặc nhị phân 0/1)
    deprivation_indicators = [
        'dep_education_adult', 'dep_education_child',
        'dep_health_access', 'dep_health_insurance',
        'dep_housing_quality', 'dep_housing_area',
        'dep_living_water', 'dep_living_latrine',
        'dep_telecom_service', 'dep_info_assets'
    ]
    
    # Tính tổng số chỉ số thiếu hụt (Deprivation Count: 0 to 10)
    df['total_deprivations'] = df[deprivation_indicators].sum(axis=1)
    
    # Ngưỡng chuẩn nghèo nông thôn
    INCOME_POOR_THRESHOLD = 700000       # 700.000 VNĐ
    INCOME_NEAR_POOR_THRESHOLD = 1000000 # 1.000.000 VNĐ
    
    conditions = [
        # Nhóm N1: Nghèo về thu nhập
        (df['income_per_capita'] <= INCOME_POOR_THRESHOLD),
        
        # Nhóm N2: Nghèo do thiếu hụt đa chiều (thu nhập 700k-1000k và thiếu >= 3 chỉ số)
        ((df['income_per_capita'] > INCOME_POOR_THRESHOLD) & 
         (df['income_per_capita'] <= INCOME_NEAR_POOR_THRESHOLD) & 
         (df['total_deprivations'] >= 3)),
        
        # Cận nghèo: Thu nhập 700k-1000k và thiếu < 3 chỉ số
        ((df['income_per_capita'] > INCOME_POOR_THRESHOLD) & 
         (df['income_per_capita'] <= INCOME_NEAR_POOR_THRESHOLD) & 
         (df['total_deprivations'] < 3))
    ]
    
    choices = ['POOR_INCOME_N1', 'POOR_DEPRIVATION_N2', 'NEAR_POOR']
    df['classification'] = np.select(conditions, choices, default='NON_POOR')
    
    return df

Testing và validation

Quy trình kiểm định chất lượng dữ liệu được thực hiện nghiêm ngặt trên toàn bộ 788 hộ dân và 60 hộ mẫu:

  • Độ tin cậy dữ liệu: Thống kê chéo (cross-tabulation) giữa dữ liệu báo cáo hành chính của UBND xã và dữ liệu điều tra thực địa đạt độ tương đồng 96,8%.
  • Phân bổ mẫu khảo sát thực địa ($n=60$):
    • Thôn U Khố Sủ: 14 hộ nghèo (23,33%), 6 hộ cận nghèo (10,00%).
    • Thôn Nắm Ản: 16 hộ nghèo (26,67%), 4 hộ cận nghèo (6,67%).
    • Thôn Bản Cậy: 17 hộ nghèo (28,33%), 3 hộ cận nghèo (5,00%).
  • Tỷ lệ tái nghèo: Báo cáo kiểm định năm 2017 xác nhận 0% hộ tái nghèo và 0% hộ cận nghèo tái rơi xuống chuẩn nghèo.

Kết quả đạt được

Dữ liệu thực nghiệm qua 3 năm (2015–2017) tại xã Tụ Nhân ghi nhận các chuyển biến tích cực:

Tỷ lệ hộ nghèo toàn xã:
2015 (Chuẩn đơn chiều): [========================] 64.81% (490 hộ)
2016 (Chuẩn đa chiều) : [======================]   60.31% (468 hộ)
2017 (Chuẩn đa chiều) : [====================]     54.19% (427 hộ)

Phân rã cấu trúc nghèo đa chiều năm 2017 (Tổng số 427 hộ nghèo):

  1. Phân loại nhóm nghèo:

    • Nhóm N1 (Nghèo do thu nhập): 380 hộ (88,99%) với 1.698 nhân khẩu.
    • Nhóm N2 (Nghèo do thiếu hụt dịch vụ cơ bản): 47 hộ (11,01%) với 200 nhân khẩu.
    • Hộ cận nghèo: 54 hộ (6,85%) với 227 nhân khẩu.
  2. Thống kê mức độ thiếu hụt theo 10 chỉ số đo lường ($N=427$ hộ nghèo):

STT Chỉ số thiếu hụt dịch vụ xã hội cơ bản Số hộ thiếu hụt (Hộ) Tỷ lệ thiếu hụt (%) Phân tích điểm nghẽn kỹ thuật
1 Tài sản tiếp cận thông tin (TV, radio...) 221 51,76% Địa hình chia cắt dốc, sóng viễn thông và hạ tầng điện yếu
2 Hố xí, nhà tiêu hợp vệ sinh 125 29,27% Tập quán canh tác cũ, thiếu nguồn nước tự chảy
3 Tình trạng đi học của trẻ em (5–15 tuổi) 68 15,93% Khoảng cách đường rừng xa, lao động phụ trợ gia đình
4 Nguồn nước sinh hoạt hợp vệ sinh 52 12,18% Phụ thuộc nước khe suối mùa khô, thiếu bể trữ xi măng
5 Sử dụng dịch vụ viễn thông 38 8,90% Chi phí thuê bao cao so với mức thu nhập ròng
6 Trình độ giáo dục người lớn 37 8,67% Trưởng hộ lớn tuổi không hoàn thành THCS
7 Diện tích nhà ở bình quân ($< 8m^2$/người) 35 8,20% Quy mô hộ đông con (trung bình 4,7 nhân khẩu/hộ)
8 Chất lượng nhà ở (nhà tạm, đơn sơ) 24 5,62% Chưa kiên cố hóa vách gỗ, mái lợp fibrô-xi măng cũ
9 Tiếp cận dịch vụ y tế (khám chữa bệnh) 19 4,45% Trạm y tế xã cách xa thôn vùng sâu (U Khố Sủ)
10 Bảo hiểm y tế 0 0,00% 100% người dân được cấp thẻ BHYT theo chính sách 30a

Đổi mới và đóng góp

  1. Phân rã chính xác 2 phân nhóm N1 và N2: Khác với phương pháp truyền thống chỉ hỗ trợ vốn dàn trải, nghiên cứu chứng minh 88,99% hộ nghèo tại Tụ Nhân nghèo do thu nhập (N1). Do đó, giải pháp cốt lõi phải là tạo sinh kế nông lâm nghiệp có giá trị cao (chè Shan tuyết, thảo quả, chăn nuôi đại gia súc) thay vì chỉ hỗ trợ trợ cấp thụ động.
  2. Xác định chính xác "vùng trũng thông tin và vệ sinh": Phát hiện 51,76% hộ thiếu hụt phương tiện tiếp cận thông tin và 29,27% thiếu nhà tiêu hợp vệ sinh. Đây là bằng chứng thực nghiệm quan trọng giúp UBND xã chuyển dịch ngân sách đầu tư công vào hệ thống loa truyền thanh thông minh không dây và hỗ trợ xây dựng công trình vệ sinh sinh học.
  3. Mô hình hóa 5 nguồn vốn sinh kế (DFID SLA): Thiết lập mối liên kết giữa địa hình dốc (đất nông nghiệp chiếm 48,50%, đất lâm nghiệp chiếm 32,70%) và phân bố lượng mưa (85% lượng mưa tập trung từ tháng 5–10, gây lũ quét; mùa khô thiếu nước nghiêm trọng), cung cấp căn cứ xây dựng hồ chứa nước đa năng phục vụ sản xuất bậc thang.

Ứng dụng thực tế và triển khai

Kịch bản can thiệp chính sách theo nhóm đối tượng:

  • Kịch bản A - Nhóm hộ N1 (Nghèo thu nhập, $n=380$):
    • Triển khai gói vay ưu đãi từ Ngân hàng Chính sách Xã hội (NHCSXH) gắn với điều kiện: Tham gia lớp chuyển giao kỹ thuật thâm canh chè hữu cơ và cải tạo đàn bò thịt.
    • Chuyển đổi cơ cấu cây trồng: Tận dụng 1.157,51 ha đất lâm nghiệp phát triển lâm sản ngoài gỗ (thảo quả, màng tang).
  • Kịch bản B - Nhóm hộ thiếu hụt thông tin và giáo dục ($n=221$ và $n=68$):
    • Triển khai mô hình truyền thanh cơ sở ứng dụng công nghệ IP và phủ sóng 4G băng rộng tới 100% thôn bản.
    • Thiết lập quỹ học bổng bán trú dân nuôi và hỗ trợ sinh hoạt phí ngăn chặn tỷ lệ học sinh bỏ học tại thôn U Khố Sủ (nơi tỷ lệ thiếu hụt đi học lên tới 58,49%).

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Analysis):

Hạng mục đầu tư can thiệp Chi phí ước tính (Triệu VNĐ) Tác động định lượng (Dự kiến sau 24 tháng) Hiệu suất kinh tế xã hội (SROI)
Xây dựng 125 nhà tiêu sinh học tự hoại 625 (Hỗ trợ 5tr/hộ) Giảm 100% thiếu hụt vệ sinh; giảm 45% chi phí y tế do dịch bệnh tiêu hóa Tỷ lệ hoàn vốn xã hội 1:3,2 sau 3 năm
Lắp đặt trạm phát sóng & Cụm loa thôn 350 (Toàn xã 5 thôn) Giảm tỷ lệ thiếu hụt thông tin từ 51,76% xuống $< 10%$ 100% hộ nắm bắt giá nông sản và cảnh báo thiên tai
Hệ thống tưới ẩm & Bể tích nước mùa khô 1.200 Tăng năng suất cây vụ đông thêm 28%; bảo vệ 1.716 ha đất sản xuất Tăng thu nhập hộ thêm 3,2 triệu VNĐ/người/năm

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Cỡ mẫu sơ cấp ($n=60$) tuy đại diện tốt cho 3 vùng sinh thái nhưng chưa bao phủ toàn bộ 100% các biến thiên cục bộ của 5 thôn.
  • Dữ liệu thu nhập hộ nông thôn miền núi có tính mùa vụ cao và phụ thuộc lớn vào giá chè tươi/gia súc tại thời điểm điều tra, dễ phát sinh sai lệch ước lượng ngắn hạn.

Hướng phát triển mở rộng

  • Ứng dụng công nghệ GIS (QGIS / ArcGIS Engine) để xây dựng bản đồ số hóa không gian nghèo đa chiều (Spatial Multidimensional Poverty Mapping) theo từng thửa đất và tọa độ hộ gia đình.
  • Tích hợp mô hình học máy (Machine Learning - Random Forest / XGBoost) dự báo sớm nguy cơ tái nghèo dựa trên dữ liệu khí tượng thủy văn và biến động giá thị trường nông sản.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành PTNT/Kinh tế: Nắm vững phương pháp luận chuẩn hóa quy trình điều tra thực địa, kỹ thuật phân tầng mẫu và thuật toán phân loại nghèo đa chiều theo quy chuẩn chính sách quốc gia.
  • Cán bộ hoạch định chính sách & Lãnh đạo địa phương: Sở hữu bộ số liệu định lượng chi tiết đến từng thôn bản của xã Tụ Nhân, hỗ trợ phê duyệt danh mục đầu tư công trung hạn chính xác, loại bỏ lãng phí ngân sách.
  • Doanh nghiệp & Hợp tác xã nông nghiệp: Nhận diện tiềm năng đất đai (1.716,84 ha đất nông nghiệp) và nguồn nhân lực địa phương để liên kết chuỗi giá trị chế biến chè Shan tuyết và nông sản đặc sản Hoàng Su Phì.
  • Nhà nghiên cứu kinh tế phát triển: Cơ sở dữ liệu thực nghiệm chuẩn mực phục vụ các nghiên cứu so sánh về chuyển dịch cấu trúc nghèo tại khu vực miền núi Đông Bắc Việt Nam.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật tối thiểu để triển khai bộ công cụ đánh giá này tại xã khác?
    Cần hệ thống máy tính văn phòng chạy Microsoft Excel 2016 hoặc Python 3.8+, bảng hỏi chuẩn hóa 10 chỉ số theo chuẩn nghèo quốc gia, cùng đội ngũ điều tra viên cơ sở được tập huấn kỹ năng phỏng vấn bán cấu trúc trong 02 ngày.

  2. Làm thế nào giải quyết sai lệch do người dân khai báo thu nhập thấp để hưởng chính sách hỗ trợ?
    Sử dụng phương pháp kiểm chứng chéo (cross-validation) thông qua tài sản vật chất hữu hình (xe máy, diện tích nhà, gia súc lớn) kết hợp thuật toán tính điểm tài sản tương đương (Asset-based Proxy Means Testing).

  3. Mô hình có tích hợp được vào hệ thống Cơ sở dữ liệu Quốc gia về Dân cư không?
    Hoàn toàn tương thích; trường khóa household_id có thể ánh xạ trực tiếp với Mã định danh cá nhân / Số CCCD của chủ hộ trong Cơ sở dữ liệu Dân cư Quốc gia qua API chuẩn RESTful.

  4. Kinh phí duy trì và cập nhật dữ liệu hàng năm là bao nhiêu?
    Chi phí định kỳ ước tính 25–30 triệu VNĐ/xã/năm, lồng ghép trực tiếp vào kinh phí rà soát hộ nghèo, hộ cận nghèo thường niên theo quy định của Bộ LĐ-TB&XH.

  5. Thời gian thu hồi vốn và hiệu quả kinh tế - xã hội của các giải pháp đề xuất?
    Các can thiệp sinh kế nông lâm nghiệp mang lại dòng tiền ròng dương cho hộ dân sau 18–24 tháng; các can thiệp hạ tầng vệ sinh và thông tin phát huy giá trị phòng ngừa rủi ro và nâng cao chất lượng sống ngay trong năm đầu tiên triển khai.


Kết luận

Khóa luận tốt nghiệp của tác giả Vương Thị Hòa đã giải quyết xuất sắc bài toán đánh giá nghèo đa chiều tại xã Tụ Nhân, huyện Hoàng Su Phì, tỉnh Hà Giang thông qua việc kết hợp chặt chẽ giữa cơ sở lý luận hiện đại (Khung Alkire-Foster, DFID SLA) và dữ liệu thực chứng tin cậy. Công trình làm rõ 88,99% hộ nghèo tại địa bàn thuộc nhóm nghèo thu nhập (N1) và xác định hai chiều thiếu hụt hạ tầng xã hội lớn nhất là tài sản tiếp cận thông tin (51,76%) và công trình vệ sinh (29,27%). Hệ thống giải pháp can thiệp phân tầng được đề xuất không chỉ cung cấp luận cứ khoa học vững chắc cho chính quyền địa phương trong việc tối ưu hóa nguồn lực các Chương trình Mục tiêu Quốc gia mà còn là tài liệu tham khảo mẫu mực cho sinh viên, giảng viên và các nhà nghiên cứu trong lĩnh vực phát triển nông thôn bền vững.