在校工作经验对教育投资回报的影响

摘要：传统明瑟收入函数中收入取决于个人受教育程度、潜在市场工作经验和潜在市场工作经验平方项，其中受教育程度由受教育年限代表，不包含在校读书期间工作经验，然而，学生在毕业前往往能积累一定工作经验。因此，教育收益估计值包含了在校工作经验收益，导致教育收益估计值存在偏差。为了消除教育收益率估计偏差，使用哈尔滨市就业市场问卷调查数据，估算了两个收入方程——含在校工作经验变量的收入方程和不含有在校工作经验变量的收入方程。估算结果显示，后者较前者在教育投资回报系数上高出28%—44%（取决于对能力偏差的控制程度），这些结果表明传统明瑟收入函数过分夸大了个人受教育程度对收入的影响。

关键词：在校工作经验；教育回报；收入函数

中图分类号：F24921文献标识码：A文章编号：1000-4149（2017）02-0097-10

DOI：103969/jissn1000-4149201702010

收稿日期：2016-04-26；修订日期：2016-08-10

基金项目：国家社会科学基金项目“生育率下降与预期寿命延长双重约束下养老保险制度可持续性研究”（16BRK016）；教育部人文社会科学青年基金项目“人口老龄化和城市化双重约束下养老保险体系可持续性研究”（15YJC840037）。

作者简介：王云多，经济学博士，黑龙江大学经济与工商管理学院副教授。

一、引言

随着知识失业问题日益严重，学校教育与工作实际脱离越发引起社会关注，无论是社会、学校还是学生个人，都开始重视在校读书期间积累一定的工作经验。个人该在什么时候停止受教育并且进入职场是一个极其复杂的问题。明瑟收入函数可能掩盖了人力资本投资中教育和工作经验之间的内在联系：许多年轻人在完成学业前通过假期工作，半工半读和长达几个月到几年断断续续地学习积累了大量工作经验。在明瑟收入函数中，协变量包含了对受教育程度和潜在工作经验的估量，而未包括对在学校获得工作经验的估量，尽管学者们已经广泛关注学生在校读书期间的就业选择和就业范围，大多数分析者将采用明瑟收入函数估计的教育系数解释为通过入学花费在获取人力资本时间上的回报，但是在实证研究中很少明确地提到在校工作经验对未来收入的影响。因此，有必要从传统明瑟收入函数中剥离学校教育和在校工作经验对收入的影响。

二、相关问题研究述评

就学生在校期间工作经验与毕业后收入之间的联系而言，科尔曼 （Coleman）、埃伦伯格和谢尔曼（Ehrenberg and Sherman）、阿图瓦（Ahituv）等和赖特（Light）等研究指出，很多学生在结束正规教育前就已经进入就业市场，而且学生在校读书期间积累的工作经验会影响他们毕业后的工作选择和收入水平[1-4]。科尔曼、赖特和鲁姆（Ruhm）研究指出学生在校期间就业与毕业后收入之间存在正向联系[1，4-5]。但针对二者之间的关系也存在一些不同看法，阿图瓦等研究指出，当考虑到一些难以观察的因素时，在校读书期间就业和毕业后丰厚薪水之间的正向关系便不复存在[3]。先搁置在校工作是否有偿的争论，上述学者的研究表明，正如教育对工资的因果作用可能被不可观测的能力所扰乱一样，确定教育的收入效应也将被不可測量的在校工作经验所干扰。

就个人选择在校读书期间就业的原因而言，一些研究指出，个人可能需要钱来支付额外的学校开支或者支撑当前的消费，或许还有可供选择的其他理由，如他可能视就业为一种投入与获得收入技巧的机会，而这种技巧课堂上不能提供，以此来获得市场经验。另一些研究指出，学生中参与工作者比较倾向于获得一种责任意识并且来改善他们的工作业绩和提高个人能力，所有这些都会在他们离开学校的职业生涯中得到回报[6-7]。

就学校教育和在校工作经验关系而言，贝克尔（Becker）和波拉斯（Porach）指出学校和公司之间没有明显区别，因为一些原因，学校可以被看作一种特殊形式的公司，并且学生被当作一种特殊形式的被培训者[8-9]。哈雷（Haley）研究指出，学校和工作之间没有固定的区别，个体放弃赚钱而投入全部时间学习技能是为了获得更多的工作经验。当人力资本存量充足不需要进一步专业化时，个人可离开学校并且将他的努力投入到赚钱和着手于在工作地点进行其他人力资本投资[10]。哈雷研究指出，当个人停止专业化教育投资时并不需要和他离开学校的时间相一致。相反，个人可能会通过削减课堂时间并且增加一份业余工作来减少他的教育投资强度[10]。索思威克和兹恩茨（Soychwick and Zionts）提出和波拉斯非常相似的模型，他们认为在最优人力资本投资路径下，业余学习被当作脱产学习和不学习之间的桥梁[11]。但由于哈雷、索思威克和兹恩茨假定学生们参加工作是为了减少人力资本投资的强度，导致这一理论解释力有限，并没有发现学生选择参加工作是因为工作经验可以提供给他们一些不同于课堂培训的技能。

本文试图研究当加入或排除在校工作经验对工资的影响时，学校教育的作用会有怎样变化，探讨教育（或在校学习花费的时间）和在校工作经验（或者说在校工作花费的时间）对收入的不同影响。

三、收入函数设定及实证检验

1.收入函数设定

传统明瑟收入函数采取半对数方程，将个人收入看作取决于个人受教育程度、潜在市场工作经验和潜在市场工作经验二次项的函数，将影响个人收入的能力和机会等因素放入残差项。市场工作经验的二次设定已经被广泛接受并被应用于估算人力资本收益率。市场工作经验二次设定的主要优点在于：首先，易于估算教育收益率和市场工作经验收益率，且市场工作经验的二次设定可以减少明瑟收入函数中的参数，若样本数量较少，市场工作经验的二次设定可以控制收入函数的自由度。其次，市场工作经验估计值能够被用于描述截面或者面板数据的收入增长，也能够被用于描述收入随时间的变化和在某一时点不同群组收入的变化，因此，明瑟收入函数中市场工作经验的二次设定可以近似代表实际收入剖面[12-13]。

传统明瑟收入函数中使用的市场工作经验通常被设定为个人毕业后在劳动力市场获得的工作经验，而并非个人实际工作经验，但二者在实践中往往不相等。将工作经验简单地等同于毕业后劳动力市场潜在工作经验没有考虑个人在学校读书期间通过参加社会实践活动获得的工作经验（在校工作经验），即个人的实际工作经验应该是离开学校后获得的潜在市场工作经验和在校读书期间积累的工作经验之和。因此，使用潜在市场工作经验二次设定描述截面收入增长往往存在显著的偏差，不完全符合工作经验与收入之间的关系。有必要深入研究个人潜在市场工作经验、在校读书期间积累的工作经验与个人收入之间的关系，优化明瑟收入函数，准确估算教育和工作经验对个人收入的影响。

之所以关注在校工作经验对个人收入的影响，是由于在现代社会中部分大中专院校学生渴望获得一些实际工作经验，旨在为他们今后的工作选择获得不同于课堂学习的市场技能。因此，明瑟收入函数会很容易被扩展为包含在校工作经验。就像通常

采取明瑟收入函数估算教育收益率和市场工作经验收益率一样，可以在明瑟收入函数中加入在校工作经验变量来估算在校工作經验收益率。

可以通过在校的工作经验和学校正规教育投资互动来允许这些可供选择的技能补充。另外，在处理能力偏差时，可以相似看待学校投资和在校工作经验，因为这些因素对在校学习和在校工作决定有相似影响。

为了合并这些扩展，设定含有在校工作经验的明瑟收入函数如下：

式（1）中代表个人收入的自然对数（离开学校后获得的），s代表学校教育（由教育年限代表），sx代表在校工作经验，x代表离开学校后潜在市场工作经验（通常由工作年限代表），代表学校教育和在校工作经验交互项，

α0、α1、α2、α3、α4、α5和α6分别代表常数项、学校教育、潜在市场工作经验、潜在市场工作经验平方项、在校工作经验、在校工作经验平方项和学校教育与在校工作经验交互项的系数估计值，μ代表难以观测到的因素（不包含能力、机会以及影响教育和工作经验选择的其他因素），被设定为残差项。

采用更加传统的不包含在校工作经验的收入函数估算结果，其函数设定如下：

式（2）中变量lnw，s和x代表的经济含义与式（1）相同，β0、β1、β2和β3分别代表常数项、学校教育、潜在市场工作经验和潜在市场工作经验平方项的系数估计值，ε代表与学校教育和潜在市场工作经验不相关的残差项。在估计式（2）时，本文使用与式（1）相同的策略纠正教育系数中存在的能力偏差。对于每一个使用的估算式，可得一组估计量（α^和β^），式（1）的估计量包含在校工作经验，式（2）排除了在校工作经验的影响。对于每一组估计量本文运用 β^-α^α^×100来估算教育系数的级数，当在校工作经验在模型中受到限制时，本文把省略在校工作经验偏差百分比变化植入式（2）。

以上并没有从传统意义上定义偏差。但是本文从式（2）中剔除在校工作经验导致每一个β^不能真正代表教育收益率，存在潜在的偏差。然而，β^通常被视为教育收益率的无偏估计值。就像本文在引言中提到的那样，多数分析者倾向于将这一效应解释为教育回报，即入学后技能投资的回报。

通常的做法就是将式（1）中教育收益率估计值α^和式（2）中教育收益率的估计值作比较。就每一β^而言，本文将能力偏差设定为 并且将它和本文省略在学校工作经验的偏差相比较。格里利谢斯（Griliches）强调这种能力偏差的测量方法会被误导，因为β^随样本个性特征或者模型设定变化而变化[14]。本文并没有声称存在绝对的能力偏差或者绝对的学校工作经验偏差，并且，实际上，本文论证了这些偏差的敏感程度。尽管如此，本文相信这种对样本的比较非常有启发性。

2.数据来源说明及统计分析

本文使用的数据来自对黑龙江省哈尔滨市就业市场的问卷调查，调查时间为2014年7月至9月，组织在校大学生利用暑假时间深入到企事业单位做调查，调查对象是处于就业状态的劳动力。共发放问卷2200份，回收2158份，为了获得更真实的个人工资收入、教育年限和在校工作经验等信息，对回收的2158份问卷进一步筛选，剔除调查对象未应答或者应答模糊、应答信息严重缺失的问卷，实际回收的有效问卷1547份，超过发放问卷总数的1/2。调查信息包括被调查者的出生年份、出生月份、性别、受教育程度、在校工作经验、收入和职业等基本信息。“年龄”变量被定义为以年为单位的连续变量，即从调查对象出生到接受调查年份的实际时间跨度。“受教育程度”即教育年限变量，被定义为以年为单位的连续变量，将入学年龄设定为6周岁，小学教育设定为6年，初中教育设定为3年，高中教育设定为3年，大专教育设定为3年，本科教育设定为4年，硕士教育设定为3年，博士教育设定为3年。“工作经验”即潜在市场工作经验也被设定为以年为单位的连续型变量，代表劳动力市场经历。受调查对象工作转换和失业持续期的影响，将潜在市场工作经验的计算公式设定为调查对象的实际年龄减入学年龄和教育年限。“个人收入”被定义为一个连续变量，用月均工资收入代表。“在校工作经验”也被设定为以年为单位的连续型变量，将在校工作经验定义为从被访问者16岁生日到对应他离开学校月份中间累计的工作时数，再折合为一定的年数，折合方法如下：假定正常情况下个人每天工作时间为8小时，每周5个工作日，去掉法定节假日，假定一年为50个工作周，因而8×5×50=2000小时，因此，在计算在校工作年数时，由被访问者回答的走向劳动力市场前累积工作时数除以2000来代表，收入函数中解释变量的关键步骤是如何确定每一个被访者在学校和市场工作活动之间的底线。由于被访问者平均年龄为3244岁，比较年轻，他们毕业时间不是特别长，记忆应该比较清晰，所应答的累积在校工作经验大约时数应该比较准确。将被访问者回答的“职业”合并为三类，分别是竞争性行业（包括制造业、建筑业、批发零售业、社会服务业等），垄断性行业（包括电力煤气及水的供应、采掘业、交通仓储和邮电通信、金融保险、房地产业等）和行政事业单位（包括教育文化广播影视业、国家党政机关和社会团体等部门）。

回收的有效问卷分布比较具有代表性，按样本总体和分性别统计的主要测量指标均值特征如表1所示。

按照教育程度、性别和行业统计的样本分布也比较具有代表性（见表2）。

此外，在本次研究的1547个样本中，在校工作经验的平均水平是062年或者1240个小时。高中学历的被访者从16岁到他们离开学校走向社会这一相对较短的时间内勉强累积了425小时的在校工作经验。而专科和本科学历的被访者分别积累了996和1344小时的在校工作经验，硕士学历和博士学历的被访者分别积累了1754和1988小时的在校工作经验。这表明随着年龄增加每年平均工作时数总体上呈递增趋势，有助于在学校教育和学校工作经验之间建立积极的关系。

3.实证检验

在估计式（1）和（2）时，本文用三个代理变量和两个工具变量（IV）方法来控制教育系数中的能力偏差。在估计式（1）时，本文使用鲁姆和赖特提出用来处理在校工作经验内生性的方法[4-5]。

第一个应对能力偏差的代理变量方法是通过加入一组家庭背景控制变量纠正由于能力偏差引起的教育收益估计值偏差。这些控制变量包括被访问者家庭人均收入和被访问者父母的最高学历，旨在运用这些背景变量消除样本在教育偏好、个人能力和获得教育基金机会上的异质性。第二个应对能力偏差的代理变量方法是在解释变量中包括教育能力和工作能力测试分数，教育能力分数由被访问者在一般科学、逻辑推理、词汇知识、段落分析和数学知识方面测试原始分数的加总得到。工作能力分数通过被访问者在数值运算以及工作业绩方面的测试分数加总得到。第三个应对能力偏差的代理变量方法包括被访问者教育能力和工作能力测试分数和家庭背景控制。

在第一个工具变量方法的协变量中包含教育能力和工作能力测试分数。由于家庭背景因素反映了在影响学校教育需求的品味、获得教育基金的机会以及其他因素方面的异质性，能解释观察到教育能力和工作能力的很多变化，因此，本文将家庭背景变量设定为教育能力和工作能力的工具。

本文的第二个工具变量方法包括使用被访问者是否有兄弟姐妹作为学校教育的工具变量。虚拟变量表示被访问者是否有兄弟或姐妹（如果他没有兄弟姐妹则设置为零）。统计数据表明，在家庭规模既定的情况下，有兄弟姐妹的女性被访问者接受的教育少于没有兄弟姐妹的女性被访问者，这表明被访问者完成的最高学历和兄弟姐妹数量之间存在显著负向关系，或许是因为有限的家庭资源将被转移。

在对在校工作经验（SX）控制的规定中，本文就像关注学校教育系数一样关注在校工作经验系数估计的能力偏差。参照鲁姆的研究[5]

，本文认为加入家庭背景、教育能力和工作能力测试成绩能消除大部分天生能力、获取基金和其他影响在学校读书时工作决定因素的异质性。因此，上面所描述的代理方法是潜在有效地控制学校教育和在校工作经验中能力偏差的方法。

下面，本文采用工具变量法和广义最小二乘法估算含有和不含在校工作經验的收入方程。

4.结果分析

表3列出从式（2）可选择变量中去除在校工作经验变量的GLS和IV/GLS估计值。在表3中a列为使用广义最小二乘法估算的式（2）主要变量参数估计值，本文忽略被访者在学校教育水平和未被发现的影响工资因素之间的相关性，只是简单地对学校教育、潜在市场工作经验和潜在市场工作经验平方项对收入自然对数的影响做了回归分析，其中，教育系数估计值为0095。

很多研究者会认为表3中列出的学校教育系数估计值并没有显示出影响学校教育的真正因素，因为这个规定并没有考虑到学校教育和先天能力或者家庭背景之间的关系。在式（2）的基础上，本文引入家庭背景变量，在b列中列出包含家庭背景代理变量的估计值，进一步加入教育能力和工作能力测试成绩代表先天能力，在c列中列出包含教育能力和工作能力代理变量的估计值，在d列列出同时加入家庭背景变量、教育能力和工作能力测试成绩变量的估计值。实证研究结果表明，相对于a列估计值而言，每一个连续的变化会增加截距估计值，工作经验系数有微小变化，最重要的是估计的学校教育系数下降。拿b、c和d列来说，作为控制学校教育内生性的方法，与a列这一模型基本设定相比，这些调整导致能力偏差分别向上增加12%、21%和49%，这些变化在表3中最后一行给出。

表3中的e和f列，经由工具变量控制能力偏差。

在e列使用被访问者家庭背景作为工具变量，在f列使用被访问者是否有兄弟姐妹作为工具变量。采用上述两种工具变量估计的学校教育系数估计值都比表3中a列教育系数估计值大。

表3中a列教育系数估计值分别比e列和f列教育系数估计值减少了14%和37%。

表3中e列和f列的IV/GLS估计值与a—d列中GLS估计值有潜在不同，有必要进一步研究工具变量的有效性。表3列出的R2来自于对在校工作经验一阶回归估计值，这些统计数据表明每组工具变量解释了学校教育的潜在差异。对于两个工具变量，本文在5%显著水平上拒绝了学校教育是外生的零假设。就这一分析结果而言，卡德（Card）早已解释了为什么一个未修正的教育系数估计值（表3中a列）可能会小于工具变量估计值（表3中e列和f列），在工具变量估计中，工具变量被视为引起有较高贴现率的人去提高教育水平干预措施。IV估计由于有高贴现率、边际收益超过了非IV估计情况，在这种情况下，教育回报受这些因素干扰[15]。

迄今为止，本文使用了各种常规方法来分析排除在校工作经验情况下学校教育收益估计问题，而且，讨论了当忽略能力偏差时，教育收益估计值被高估和低估的问题。

表3揭示了通过代理变量和工具变量纠正能力偏差的情况。为了深入研究在校工作经验对教育收益率的影响，本文试图分析当把在校工作经验变量加入模型时教育系数估计值将如何改变。每个模型添加三个解释变量（在校工作经验、在校工作经验平方，以及在校工作经验和学校教育之间的相互作用），为应对在校工作经验和未被观察到的因素之间的潜在相关性，本文运用代理和工具变量方法处理教育的内生性。

表4列出了包括在校工作经验的估计结果。通过对比表4和表3中教育系数估计值，研究表明无论用哪种方法来估计模型，增加在校工作经验会导致教育收益率估计值下降。与表3相比，表4中a列估计的学校教育系数会从0095下降到0074，就a列而言，可知省略在校工作经验导致的偏差为28%。

当在表4随后各列中引入各种能力偏差控制情况时，在校工作经验偏差通常会上升（表4中d列为31%和f列为43%）。承认这一偏差的存在很重要，这一偏差被简化为表3中估计的教育系数超过表4中相应系数的百分比，如果将每一个教育系数估计值视为教育收益率，偏差由没有考虑在校工作经验对收入的影响导致。表3和表4中学校教育系数估计值和能力偏差估计值和估计方法有一定相关性，表4中在校工作经验估计值都较高，比相应能力偏差估计值高得多，这表明在校工作经验处理不当会引起学校教育系数估计值增加，因为学生就业对毕业后收入有一定影响。

总体上看，表3中学校教育系数估计值比表4中学校教育加上工作经验回报估计值低4%—20%。上述分析表明传统明瑟收入函数由于忽略在校工作经验，高估了教育收益率，低估了工作经验的收益率。

基于学校教育变量没有测量误差假设得出上述研究结论，如果教育变量中包含大量测量误差，当加入在校工作经验时，由于在校工作经验和学校教育高度相关，教育收益率估计值必然会减少。因此，表4引入向下偏差估计值，这一偏差估计值取决于学校教育和在校工作经验的相关程度和学校教育的测量误差，可能在绝对数量上会超过表3省略变量偏差（向上偏差）估计值。更确切地说，本文认为在缺少教育系数测量误差的情况下，表4中教育系数估计值 这里的αs是式（1）所描述的学校教育效果；因省略在校工作经验偏差，表3中教育系数估计值超过αs。如果s存在测量误差，那么，从当前协变量排除学校教育和在校工作经验， 代表由于s测量误差产生的方差，代表教育对在校工作经验回归的相关系数。由于表4中学校教育系数估计值是依据学校教育的测量误差产生的向下偏差估计值，因此，表3中学校教育收益率估计值超过表4中教育收益率估计值。

由于学校教育变量通常比从传统调查获取的变量有更少随机误差，因此不可能存在较大测量偏差，本文运用与学校教育相关变量来确定并且纠正每一受访者的错误回答。使用调整后的学校教育变量方差为19%，比运用每一个受访者在离开学校时完成的最高学历所选择的变量测量方差要小。

尽管努力减少测量误差，但是有必要探讨误差大小和解释表3和表4中广义最小二乘估计值的差别。研究使用的估计值来自表3中d列，包括家庭背景变量在内。当没有加入在校工作经验时，学校教育系数估计值为0072（见表5）。当在模型中加入sx时，学校教育系数估计值减少到0055。如果学校教育和其他协变量均没有测量误差，可推知没有考虑在校工作经验会产生31%的省略变量偏差，计算结果见表5估计值列。

为了得到表5中最后一行的估计值，本文做了其他有关随机误差程度的假设，这些误差仍然存在于學校教育测量中。反过来说，如果假设误差占学校教育测量总方差的1%、5%、10%和15%，可推断真正的学校教育系数应该在0056到0072这个变动幅度内，这当然比实际估计值（0055）高。用这些真实的系数估计值来代替学校教育系数估计值，计算出省略在校工作经验的偏差。当αs=001和当αs=014的时候，这些估计值的变动幅度从29%到-07%。如果学校教育测量方差多达15%由噪音引起，当加入在校工作经验后，学校教育系数估计值下降完全由向下测量偏差引起。如果噪音对总方差比率仅为5%，省略在校工作经验的收入函数与没有省略在校工作经验的收入函数相比，教育系数估计值偏差约为1/3。并且其余的偏差由测量误差偏差引起。如果这个假设是正确的，收入函数中加入在校工作经验会改善学校教育的效果。

四、结语

本文通过探寻传统明瑟收入函数在工作经验设定中存在的不足，研究在校工作经验对教育投资收益的影响，不仅将学校教育和在校工作经验区分开，而且基于哈尔滨市劳动力市场问卷调查数据和收入函数设定的教育、在校工作经验和市场工作经验之间的关系，估算教育、在校工作经验和个人离开校园后市场工作经验收益率，研究结论如下。

第一，传统明瑟收入函数忽视了在校工作经验对收入的影响。基于此，为准确描述实际工作经验对个人收入的影响，应在传统明瑟收入函数中加入在校工作经验变量，并加以量化研究。对于没有在校工作实践的被访者，传统明瑟收入函数仍是估算教育收益率和工作经验收益率的最佳选择。对于有机会参加在校工作实践的被访问者，若采用传统明瑟收入函数估算人力资本收益率，忽略在校工作经验对收入的影响，必然导致高估教育收益率。而且，研究显示，个人在校工作经验越丰富，教育收益率被高估得越多。因此，在实证研究中应针对被访问者有无在校工作经验，有针对性地采取不同明瑟收入函数加以量化研究。

第二，本文利用问卷调查数据，通过对含有在校工作经验和不含有在校工作经验的明瑟收入函数的实证检验，证实教育投资是人力资本投资的主要形式。表现为无论包含在校工作经验还是不包含在校工作经验，采用不同的明瑟收入函数估算的教育收益率远远高于工作经验收益率。

尽管教育收益率高于市场工作经验和在校工作经验收益率，但是在校工作经验对个人收入的影响不容忽视，在重视学校教育的同时，也应该关注学生在校期间职业技能的培养和提高。因此，建议在大力发展教育的同时，教育发展必须超出常规模式，重视创新创业实践教育。受传统精英教育理念的影响，在我国，大学过度偏重于理论型人才的培养，忽视了创业能力的培养，培养的大学生在走出校园之前并没有真正接触社会，缺少从事工作必备的就业技能，脱离实践的教育导致培养的大学生与市场需求不匹配，就业率不断下降，为有效提高大学生就业率，优化人力资源配置，在大学生走出校园之前应积累足够多的工作经验，这需要学校为大学生提供创业机会和创业场所，通过创业教育实践类课程的开设和学习，不仅有利于大学生尽早融入社会，适应社会，将自己在大学所学的知识用于创业实践，而且也可以将创业实践中学习到的知识和技能上升到理论的高度，加深对所学理论知识的掌握和运用，提高综合素质。

参考文献：

[1]COLEMAN J S.The transition from school to work[J].Research in Social Stratification and Mobility，1984，3（2）：27-59.

[2]EHRENBERG R G， SHERMAN D R.Employment while in college，academic achievement and postcollege outcomes[J].Journal and Human Resource，1987，23（3）：1-23.

[3]AHITUV A，TIENDA M.

Employment， motherhood and school continuation decision of young white， black and Hispanic woman[J].Journal of Labor Economics， 2004，22（1）：115-158.

[4]LIGHT A.Estimating the returns to schooling： when does the career begin？[J]. Economics of Education Review，1998，17（2），31-45.

[5]RUHM C.The extent and consequences of high school employment[J].Journal of Labor Research，1995，16（4）：293-303.

[6]MURPHY K M，WELCH F. Empirical ageearning profiles[J].Journal of Labor Economics， 1990，18（2）：202-229.

[7]MURPHY K M，WELCH F.The structure of wages[J].Quarterly Journal of Economics ，1992，107（1）：285-326.

[8]BECKER G S.Investment in human capital： a theoretical analysis[J].Journal of Political Economy，1962，70（5）：9-49.

[9]PORACH B.The production of human capital and the life cycle of earning[J].Journal of Political Economy，1967，75（4）：352-365.

[10]HALEY W J.Human capital：the choice between investmet and income[J].American Economic Review，1973，63（4）：929-944.

[11]SOUTHWICK L J，ZIONTS S.An optinal control theory approach to the education investment decision[J].Operations Research，1974，22（11）：1156-1174.

[12]王云多.人力資本挣得方程研究及实证分析[J].科研管理，2009（5）：82-89.

[13]王云多.基于工龄视角的人力资本收入函数经验研究——以黑龙江省13个城市的调查为例[J].中国人口科学，2010（6）：61-69.

[14]GRILICHES Z.Estimating the return to schooling：some econometric problems[J].Econometrica，1997，45（1）： 1-22.

[15]CARD D. The causal effect of education on earnings[J].Handbook of Labor Economics， 1999，3：1801-1863.

[责任编辑 武玉]