Giới thiệu dự án

Công tác giảm nghèo và đảm bảo an sinh xã hội luôn là trụ cột chiến lược trong phát triển kinh tế - xã hội tại Việt Nam. Theo thống kê của Ngân hàng Thế giới (World Bank) và Tổng cục Thống kê (GSO), mặc dù tỷ lệ nghèo chung của cả nước đã giảm mạnh từ gần 60% (thập niên 1990) xuống dưới 10% (giai đoạn 2012–2015), song thách thức lớn nhất của khu vực nông thôn đồng bằng sông Hồng là nguy cơ tái nghèo và mức độ giảm nghèo thiếu tính bền vững. Tại tỉnh Thái Bình, đặc thù kinh tế thuần nông với hơn 70% diện tích đất nông nghiệp khiến việc làm và sinh kế của cư dân nông thôn chịu nhiều rủi ro trước biến động thị trường và thiên tai.

Dự án nghiên cứu: "Nghiên cứu thực trạng và đề xuất giải pháp giảm nghèo bền vững tại xã Lê Lợi, huyện Kiến Xương, tỉnh Thái Bình" được thực hiện nhằm giải quyết bài toán chuyển dịch căn bản từ phương pháp đo lường đơn chiều truyền thống (chỉ dựa trên thu nhập) sang phương pháp đo lường nghèo đa chiều (Multidimensional Poverty Index - MPI). Phương pháp này giúp nhận diện chính xác các chiều thiếu hụt dịch vụ xã hội cơ bản, khắc phục triệt để tình trạng bỏ sót đối tượng và hỗ trợ dàn trải không hiệu quả.

       KHUNG PHÂN TÍCH CHUẨN NGHÈO ĐA CHIỀU (QĐ 59/2015/QĐ-TTg)

Problem Statement & Pain Points

  • Thiếu hụt dữ liệu đa chiều cấp cơ sở: Công tác phân loại hộ nghèo tại địa phương trước đây chỉ đo lường theo ngưỡng thu nhập cố định, dẫn đến hiện tượng hỗ trợ "cào bằng", người dân ỷ lại vào trợ cấp và phát sinh hiện tượng tái nghèo.
  • Áp lực sinh kế đơn điệu: Cơ cấu nông nghiệp xã Lê Lợi chiếm hơn 60% giá trị sản xuất, canh tác lúa thuần túy (407,87 ha) với năng suất đạt 5,97 tấn/ha (năm 2017), quy mô đất bình quân thấp, thiếu liên kết chuỗi giá trị và thiếu hụt trầm trọng vốn con người (trình độ kỹ thuật, kỹ năng nghề).
  • Nút thắt tiếp cận dịch vụ xã hội cơ bản: Nhiều hộ có mức thu nhập tiệm cận chuẩn nghèo nhưng bị thiếu hụt nghiêm trọng về chất lượng nhà ở, nước sạch, bảo hiểm y tế và khả năng tiếp cận thông tin viễn thông.

Mục tiêu của dự án

  1. Đánh giá toàn diện thực trạng giảm nghèo giai đoạn 2015–2017 tại xã Lê Lợi dựa trên chuẩn nghèo đa chiều quy định tại Quyết định số 59/2015/QĐ-TTg.
  2. Phân tích định lượng các nhân tố tác động đến nghèo đói thông qua khảo sát mẫu chọn lọc ($N = 60$ hộ) kết hợp khung phân tích sinh kế bền vững (Sustainable Livelihoods Approach - SLA).
  3. Thiết lập hệ thống ma trận dữ liệu phân loại hộ nghèo nhóm $N_1$ (thiếu hụt thu nhập) và nhóm $N_2$ (thu nhập trên chuẩn nghèo nhưng thiếu hụt $\ge 3$ chỉ số xã hội).
  4. Xây dựng bộ giải pháp tích hợp công nghệ, đào tạo nghề và tín dụng vi mô nhằm giảm tỷ lệ hộ nghèo toàn xã từ 19,47% (2017) xuống dưới 12% vào năm 2020.

Expected Outcomes & Phân định phạm vi

  • Kết quả lượng hóa: Chuẩn hóa CSDL phân loại 469 hộ nghèo và 64 hộ cận nghèo trên địa bàn 7 thôn thuộc xã Lê Lợi; xây dựng quy trình can thiệp sinh kế cho 3 nhóm đối tượng mục tiêu.
  • Phạm vi nghiên cứu: Khảo sát không gian tại 3 thôn đại diện phân tầng: Văn Hanh (kinh tế phát triển), Phú Ân (kinh tế trung bình), Đông Thổ (kinh tế khó khăn); dữ liệu thứ cấp giai đoạn 2015–2017 và dữ liệu sơ cấp thực địa năm 2017–2018.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp tiếp cận truyền thống dựa trên đơn chiều thu nhập đã bộc lộ nhiều lỗ hổng nghiêm trọng so với tiếp cận nghèo đa chiều hiện đại:

Tiêu chí so sánh Đo lường đơn chiều (Thu nhập) Đo lường nghèo đa chiều (MPI - AF)
Bản chất đo lường Đơn biến (Thu nhập/Chi tiêu bình quân) Đa biến (5 chiều: Y tế, GD, Nhà ở, ĐK sống, Thông tin)
Khả năng phát hiện Dễ bỏ sót hộ thiếu hụt dịch vụ cơ bản Nhận diện chính xác từng chiều thiếu hụt cục bộ
Độ chính xác can thiệp Thấp, dễ phát sinh tâm lý trông chờ, ỷ lại Cao, can thiệp đúng nguyên nhân gốc rễ (Root Cause)
Độ ổn định thoát nghèo Thấp, tỷ lệ tái nghèo sau rủi ro cao Bền vững, nâng cao chỉ số năng lực và tài sản sinh kế

Phân tích yêu cầu theo khung MoSCoW

  • Must-have: Bảng chỉ số đánh giá 10 tiêu chí thiếu hụt theo thang điểm 100; ma trận phân loại hộ nghèo theo QĐ 59/2015/QĐ-TTg; thuật toán tính chỉ số tổng hợp thiếu hụt; cơ chế can thiệp y tế và đào tạo nghề.
  • Should-have: Mô hình tích hợp CSDL quản lý hộ nghèo trên bảng tính phân tích; quy trình chấm điểm tín dụng ưu đãi vi mô dựa trên vốn xã hội và vốn vật chất.
  • Could-have: Xây dựng bản đồ GIS trực quan hóa mật độ hộ nghèo theo địa bàn 7 thôn (Phú Ân, Văn Hanh, Đông Thổ, Trung Kinh, Thái Trung, An Phúc, An Thái).
  • Won't-have: Triển khai hạ tầng máy chủ cấp xã độc lập trong giai đoạn thử nghiệm đầu tiên.

Thiết kế hệ sinh thái giải pháp & Technology Stack

Hệ sinh thái xử lý dữ liệu và đánh giá thực trạng được chuẩn hóa với các công cụ định lượng chuyên sâu:

  • Data Processing & Analytics Engine: Microsoft Excel 2016 (Data Analysis Toolpak, VBA macros tự động hóa phân loại dữ liệu), R v3.5.0 / SPSS 22.0 (kiểm định thống kê phân tích mô tả, tương quan Pearson và phân tích thành phần chính PCA).
  • Data Standards: Chuẩn phân loại nghèo đa chiều Việt Nam theo Quyết định số 59/2015/QĐ-TTg, tiêu chuẩn thu thập dữ liệu nông thôn của FAO & World Bank VHLSS standard.
  • Data Security & Privacy: Cơ chế mã hóa danh tính hộ gia đình (Anonymized Household Identification Key - AHIK), bảo mật dữ liệu nhân khẩu học theo tiêu chuẩn lưu trữ an sinh xã hội.

CSDL Schema chuẩn hóa dữ liệu hộ nghèo

CREATE TABLE households (
    household_id VARCHAR(10) PRIMARY KEY,
    village_name VARCHAR(50) NOT NULL,
    head_name VARCHAR(100) NOT NULL,
    num_members INT NOT NULL,
    monthly_income_per_capita DECIMAL(10, 2) NOT NULL,
    poverty_status VARCHAR(20) NOT NULL
);

CREATE TABLE mpi_deprivations (
    household_id VARCHAR(10) REFERENCES households(household_id),
    dep_adult_education INT DEFAULT 0, -- Thiếu hụt GD người lớn (10đ)
    dep_child_school INT DEFAULT 0,    -- Thiếu hụt GD trẻ em (10đ)
    dep_health_access INT DEFAULT 0,   -- Thiếu hụt khám chữa bệnh (10đ)
    dep_health_insurance INT DEFAULT 0,-- Thiếu hụt BHYT (10đ)
    dep_housing_quality INT DEFAULT 0, -- Thiếu hụt chất lượng nhà (10đ)
    dep_housing_area INT DEFAULT 0,    -- Thiếu hụt diện tích (<8m2/người) (10đ)
    dep_water_source INT DEFAULT 0,    -- Thiếu hụt nước sinh hoạt (10đ)
    dep_sanitation INT DEFAULT 0,      -- Thiếu hụt hố xí hợp vệ sinh (10đ)
    dep_telecom_service INT DEFAULT 0, -- Thiếu hụt dịch vụ viễn thông (10đ)
    dep_info_assets INT DEFAULT 0,     -- Thiếu hụt tài sản truyền thông (10đ)
    total_deprivation_score INT GENERATED ALWAYS AS (
        dep_adult_education + dep_child_school + dep_health_access + 
        dep_health_insurance + dep_housing_quality + dep_housing_area + 
        dep_water_source + dep_sanitation + dep_telecom_service + dep_info_assets
    ) STORED
);

Implementation và kết quả

Development Process & Key Algorithms

Phương pháp chọn mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) được thực hiện với kích thước mẫu tối ưu $N = 60$ hộ tại 3 thôn đại diện, đảm bảo độ bao phủ các nhóm kinh tế.

Thuật toán Alkire-Foster (AF) ứng dụng theo QĐ 59/2015/QĐ-TTg được triển khai qua các bước:

  1. Xác định ma trận thiếu hụt $Y_{n \times d}$: Với $n$ hộ gia đình và $d = 10$ chỉ số đo lường.
  2. Tính điểm thiếu hụt tổng hợp ($c_i$): $$c_i = \sum_{j=1}^{d} w_j \cdot y_{ij} \quad (w_j = 10, , \forall j \in [1, 10])$$
  3. Phân loại hộ nghèo đa chiều: $$Status_i = \begin{cases} \text{Hộ nghèo } (N_1), & \text{nếu } Inc_i \le 700.000\text{ VNĐ} \ \text{Hộ nghèo } (N_2), & \text{nếu } Inc_i > 700.000\text{ VNĐ} \land c_i \ge 30 \ \text{Hộ cận nghèo}, & \text{nếu } Inc_i > 700.000\text{ VNĐ} \land 0 < c_i < 30 \ \text{Hộ trung bình}, & \text{nếu } Inc_i > 1.000.000\text{ VNĐ} \land c_i = 0 \end{cases}$$
def classify_multidimensional_poverty(monthly_income: float, deprivation_vector: list) -> dict:
    """
    Thuật toán phân loại hộ nghèo theo Quyết định 59/2015/QĐ-TTg
    :param monthly_income: Thu nhập bình quân đầu người/tháng (VNĐ)
    :param deprivation_vector: Mảng nhị phân [0, 1] của 10 chỉ số thiếu hụt
    :return: Trạng thái phân loại và tổng điểm thiếu hụt
    """
    WEIGHT_PER_INDICATOR = 10
    total_score = sum(deprivation_vector) * WEIGHT_PER_INDICATOR
    deprived_count = sum(deprivation_vector)

    if monthly_income <= 700000:
        classification = "Hộ nghèo N1 (Thiếu hụt thu nhập)"
    elif monthly_income > 700000 and deprived_count >= 3:
        classification = "Hộ nghèo N2 (Thiếu hụt dịch vụ cơ bản)"
    elif monthly_income > 700000 and 0 < deprived_count < 3:
        classification = "Hộ cận nghèo"
    elif monthly_income > 1000000 and deprived_count == 0:
        classification = "Hộ có mức sống trung bình"
    else:
        classification = "Hộ trên mức trung bình"

    return {
        "classification": classification,
        "deprivation_score": total_score,
        "deprived_indicators_count": deprived_count
    }

Kết quả rà soát thực nghiệm (2015–2017)

Dữ liệu tổng hợp từ CSDL UBND xã Lê Lợi phản ánh chuyển biến tích cực trong công tác giảm nghèo:

Năm Tổng số hộ Số hộ nghèo Tỷ lệ hộ nghèo (%) Số hộ cận nghèo Tỷ lệ cận nghèo (%)
2015 2.374 531 22,36% 65 2,73%
2016 2.395 499 20,84% 61 2,54%
2017 2.409 469 19,47% 64 2,66%
    DIỄN BIẾN TỶ LỆ HỘ NGHÈO VÀ CẬN NGHÈO XÃ LÊ LỢI (2015 - 2017)
  (%)
       2015        2016      2017
  • Phân rã cơ cấu hộ nghèo năm 2017: Trong tổng số 469 hộ nghèo, có 402 hộ thuộc nhóm $N_1$ (thiếu hụt thu nhập, chiếm 85,71%) và 67 hộ thuộc nhóm $N_2$ (thu nhập trên 700.000 VNĐ nhưng thiếu hụt $\ge 3$ chỉ số dịch vụ, chiếm 14,29%).
  • Phân bố địa bàn: Thôn Trung Kinh có tỷ lệ nghèo cao nhất (32,00%), tiếp theo là Phú Ân (22,77%), Văn Hanh (19,51%), An Phúc (16,38%), Đông Thổ (15,43%), An Thái (13,86%) và Thái Trung (11,48%).
  • Tỷ lệ tái nghèo: Năm 2017, toàn xã ghi nhận 0 hộ tái nghèo, 42 hộ thoát nghèo (đạt tỷ lệ 8,42%) và có 12 hộ mới phát sinh.

Đổi mới và đóng góp

Technical Innovations & Cải tiến phương pháp

  1. Khử nhiễu phân loại an sinh: Việc tích hợp thuật toán phân rã $N_1$ và $N_2$ giúp loại bỏ sai số ước tính của phương pháp đo lường truyền thống vốn bỏ sót 14,29% số hộ nghèo do thiếu hụt dịch vụ xã hội.
  2. Khung lồng ghép SLA - MPI: Kết nối trực tiếp 5 nhóm vốn sinh kế (Vốn con người, Vốn tự nhiên, Vốn vật chất, Vốn tài chính, Vốn xã hội) với 10 chỉ số thiếu hụt cơ bản, giúp xây dựng "Hồ sơ năng lực sinh kế hộ gia đình" chuẩn xác.
  3. Mô hình can thiệp có địa chỉ: Thay thế chính sách "cho con cá" (trợ cấp trực tiếp thuần túy) bằng "cho cần câu kết hợp tạo hồ câu" (chuyển giao công nghệ thâm canh lúa, hỗ trợ làng nghề bạc truyền thống, dệt đũi và bảo hiểm y tế hộ gia đình).
        MÔ HÌNH CHUYỂN ĐỔI CHÍNH SÁCH GIẢM NGHÈO ĐA CHIỀU

Ứng dụng thực tế và triển khai

Kịch bản can thiệp theo nhóm hộ (Real-World Use Cases)

  • Kịch bản 1 - Hộ thiếu hụt vốn con người & việc làm (Nhóm $N_1$): Cung ứng gói đào tạo kỹ thuật chăn nuôi gia cầm (quy mô đàn xã đạt 42.088 con năm 2017) và kết nối việc làm tại các làng nghề chạm bạc, thêu ren tiểu thủ công nghiệp trên địa bàn.
  • Kịch bản 2 - Hộ thiếu hụt điều kiện sống & y tế (Nhóm $N_2$): Hỗ trợ cấp bù 100% thẻ Bảo hiểm Y tế (BHYT) cho nhân khẩu thuộc hộ nghèo/cận nghèo, triển khai chương trình tín dụng nước sạch nông thôn và hố xí hợp vệ sinh từ Ngân hàng Chính sách Xã hội.
                  LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP 2018 - 2020

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

  • Chi phí đầu tư ước tính: Phân bổ nguồn vốn tín dụng chính sách vi mô (khoảng 3,5 tỷ VNĐ) kết hợp vốn đối ứng từ ngân sách xã và chương trình mục tiêu quốc gia xây dựng Nông thôn mới.
  • Hiệu quả kinh tế - xã hội: Tăng thu nhập bình quân đầu người của nhóm hộ tham gia mô hình lên 25–35%/năm; giảm thiểu chi phí cứu trợ đột xuất do ốm đau thông qua độ bao phủ của BHYT; nâng tỷ lệ lao động qua đào tạo từ <20% lên trên 55%.

Hạn chế và hướng phát triển

  • Hạn chế về quy mô dữ liệu thực nghiệm: Khảo sát chuyên sâu giới hạn ở cỡ mẫu $N = 60$ hộ tại 3/7 thôn do hạn chế về thời gian thực tập và nguồn lực tài chính điều tra.
  • Ràng buộc công nghệ lưu trữ: Dữ liệu cấp xã chủ yếu được quản lý dưới dạng bảng tính Excel phân tán, chưa được đồng bộ hóa thời gian thực (Real-time Cloud Sync) lên CSDL ngành cấp tỉnh.
  • Hướng phát triển:
    1. Xây dựng ứng dụng WebGIS hỗ trợ cán bộ văn hóa - xã hội cập nhật biến động chỉ số thiếu hụt hộ gia đình qua thiết bị di động.
    2. Ứng dụng mô hình học máy (Machine Learning Classification - Random Forest/Logistic Regression) để dự báo sớm nguy cơ tái nghèo dựa trên dữ liệu khí tượng và biến động thị trường nông sản.

Đối tượng hưởng lợi

                   CÁC NHÓM ĐỐI TƯỢNG HƯỞNG LỢI
  • Sinh viên & Giới học thuật: Cung cấp tài liệu nghiên cứu thực chứng hoàn chỉnh về phương pháp đo lường nghèo đa chiều Alkire-Foster áp dụng cho cấp xã nông thôn đồng bằng Bắc Bộ.
  • Cán bộ quản lý địa phương (UBND xã, Phòng LĐ-TB&XH): Cung cấp công cụ chuẩn hóa quy trình rà soát hộ nghèo/cận nghèo hàng năm, giảm 40% thời gian tổng hợp báo cáo.
  • Hộ gia đình nghèo và cận nghèo: Tiếp cận đúng các gói hỗ trợ thiếu hụt cụ thể, nâng cao năng lực tự vươn lên thoát nghèo bền vững.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để địa phương số hóa quy trình rà soát nghèo đa chiều là gì?

Hệ thống yêu cầu máy tính văn phòng cấu hình cơ bản (CPU Core i3, RAM 4GB, HĐH Windows 10/Linux) cài đặt phần mềm Microsoft Excel 2016 trở lên hoặc phần mềm nguồn mở LibreOffice Calc, tích hợp bộ macro mẫu phân tích chỉ số MPI theo QĐ 59/2015/QĐ-TTg.

2. Mô hình có khả năng mở rộng (Scalability) sang các xã khác trong huyện Kiến Xương không?

Hoàn toàn khả thi. Do cấu trúc bộ chỉ tiêu 5 chiều và 10 chỉ số được thiết kế tương thích tuyệt đối với khung chuẩn nghèo quốc gia, mô hình có thể nhân rộng ngay lập tức cho toàn bộ 36 xã, thị trấn thuộc huyện Kiến Xương mà không cần chỉnh sửa cấu trúc dữ liệu nền tảng.

3. Làm thế nào để phân biệt chính xác giữa hộ nghèo $N_1$ và $N_2$?

  • Hộ nghèo $N_1$ là hộ có thu nhập bình quân $\le 700.000$ VNĐ/người/tháng tại khu vực nông thôn (nghèo thu nhập).
  • Hộ nghèo $N_2$ là hộ có thu nhập $> 700.000$ VNĐ/người/tháng nhưng có tổng điểm thiếu hụt dịch vụ xã hội $\ge 30$ điểm (thiếu từ 3/10 chỉ số cơ bản trở lên).

4. Chi phí duy trì và cập nhật CSDL hàng năm ước tính là bao nhiêu?

Chi phí vận hành định kỳ rất thấp, chủ yếu bao gồm công tác tập huấn điều tra viên cơ sở (trưởng thôn, cán bộ phụ nữ, đoàn thanh niên) và chi phí in ấn biểu mẫu khảo sát trong đợt tổng rà soát quý IV hàng năm (ước tính khoảng 15–20 triệu VNĐ/xã/năm).

5. Khung phân tích sinh kế bền vững (SLA) đóng vai trò gì trong việc ngăn chặn tái nghèo?

SLA cung cấp cái nhìn toàn diện về 5 nguồn vốn (con người, tự nhiên, vật chất, tài chính, xã hội). Bằng cách củng cố đồng thời cả 5 nguồn vốn, hộ gia đình sẽ xây dựng được năng lực thích ứng (Resilience) trước các cú sốc kinh tế hoặc rủi ro thiên tai.


Kết luận

Khóa luận tốt nghiệp "Nghiên cứu thực trạng và đề xuất giải pháp giảm nghèo bền vững tại xã Lê Lợi, huyện Kiến Xương, tỉnh Thái Bình" đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc kết hợp chặt chẽ giữa cơ sở lý luận hiện đại và dữ liệu thực chứng tin cậy. Đề tài khẳng định tính ưu việt của phương pháp tiếp cận nghèo đa chiều trong việc khắc phục những hạn chế của chính sách đo lường đơn chiều truyền thống, cung cấp cơ sở khoa học vững chắc giúp cấp ủy và chính quyền địa phương hoạch định chính sách an sinh xã hội giai đoạn 2018–2020.

Kết quả nghiên cứu là tài liệu tham khảo có giá trị ứng dụng cao cho các nhà nghiên cứu phát triển nông thôn, cán bộ chính sách cơ sở và các tổ chức phát triển cộng đồng trong hành trình hiện thực hóa mục tiêu giảm nghèo bền vững và xây dựng nông thôn mới kiểu mẫu.