第ｌ０卷第１期 ２０１２年１月 北京大学教育评论 Ｐｅｋｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ Ｅｄｕｃａｔｉｏｎ Ｒｅｖｉｅｗ Ｖｏ１．１０，Ｎｏ．１ Ｊａｎｕａ￣２０１２ 高等教育对美国大学生就业的影响 张 良 （宾州州立大学教育学院，美国宾夕法尼亚州） 摘要本研究将大学教育的经济回报分析扩展到毕业后十年，进一步考察了大 学教育对于学生毕业后第一个十年内失业可能性的影响。本研究还验证了大学质量 对毕业生收入有积极影响，同时不同本科专业之间存在巨大差异。然而，这两个主要 因素对毕业生失业可能性的影响却截然不同：一方面，高质量私立大学的毕业生虽然 在各类型高校的毕业生中享有最高的平均收入，但其失业的可能性也最大；另一方面， 较其他专业毕业生而言，就读于高需求专业如商学、医学等的毕业生，其失业可能性也 较低。 关键词 大学生失业；毕业生收入；大学质量；高需求专业 中图分类号：Ｇ４０—０５４文献标识码：Ａ文章编号：１６７１—９４６８（２０１２）０１—００９１—１６ 一 、 Ｊ引÷ ｌ口 近年来，对大学教育之影响的研究多集中于讨论拥有不同教育背景的大学 毕业生的收入差异，强调大学质量对于毕业生收入的影响（Ｂｒｅｗｅｒ＆Ｅｈｒｅｎ— ｂｅｒｇ，１９９６；Ｂｒｅｗｅｒ，Ｅｉｄｅ，＆Ｅｈｒｅｎｂｅｒｇ，１９９９；Ｄａｌｅ＆Ｋｒｕｅｇｅｒ，２００２；Ｔｈｏｍａｓ， ２００３；Ｔｈｏｍａｓ＆Ｚｈａｎｇ，２００５；Ｚｈａｎｇ＆Ｔｈｏｍａｓ，２００５；Ｚｈａｎｇ，２００５）。在关于 此问题的其他研究中，研究者普遍感兴趣的变量通常是全职员工的收入。理由 很简单：比较全职员工的收入可以有效降低或消除就业决策对收入的影响（例 如，决定是否选择进入劳动力市场和工作时间）。然而，由于收入数据一般在某 一时间点收集，而使用这些数据作为比较的基础往往忽略了劳动力市场结果的 另一个重要面向——失业。 考虑这样一个场景：两个大学毕业生有同样的年收入（基于数据采集时他 们的工资），但其中一个学生却更有可能失业。很明显，一旦考虑到失业可能， 收稿日期：２０１１．１１．２９ 作者简介：张良，男，美国宾州州立大学教育学院副教授，博士。 ９２ 北京大学教育评论 两人年收入的期望值便有了差异。换言之，简单比较全职工作者的年化收人隐 含这样一种假设：不同人的失业率是相同的。但这项假设需要进一步验证。 本研究在考虑大学教育与收入之关系的同时，也讨论大学教育与失业的关 系，以补充现有关于大学毕业生收入的研究。本研究有三重目的。首先，本研 究聚焦于多种因素对应届毕业生失业的影响。为做到这一点，本文通过考虑影 响就业或失业的重要因素以修正已有研究，从而为应届毕业生的劳动力市场期 望（１ａｂｏｒ ｍａｒｋｅｔ ｏｕｔｃｏｍｅｓ）提供一个更准确的描述。第二重目的更加重要，本文 提供了一个整合了就业效果（ｅｍｐｌｏｙｍｅｎｔ ｅｆｆｅｃｔ）与收入效果（ｅａｒｎｉｎｇｓ ｅｆｆｅｃｔ）的 分析框架，从而使我们能更好地理解大学教育的不同特征（譬如本科专业、大学 质量或学术表现）对于毕业生收入在总体经济层面上的影响。结合就业与失业 这两种重要的劳动力市场产出的相关信息，可以帮助学生及其家庭更好地就大 学和专业进行明智的选择。最后，本研究追踪了毕业生在毕业后十年内的劳动 力市场产出，拓展了已有研究，提供了有关大学教育对学生最重要的职业生涯 成就之影响的更加完整的观察。为达到这些目标，本文提出了以下问题引导我 们的研究：第一，在大学毕业生职业生涯早期，大学教育与其收入的关系是什 么？第二，对大学毕业生而言，大学教育与失业的关系是什么？ 本研究结合现有关于大学教育对学生成果之影响的研究，旨在更加完整与 精确地描绘应届毕业生就业市场的图景。对于从事大学毕业生劳动力市场产 出研究的高等教育研究者以及那些依靠经济数据而进行高等教育相关决策的 学生及其家庭而言，这样的结果将具有独特的意义和趣味。 二、文献综述与研究框架 本研究受Ｔｈｏｍａｓ和Ｚｈａｎｇ早期关于多种教育和非教育因素对应届毕业生 收入影响相关研究（Ｔｈｏｍａｓ＆Ｚｈａｎｇ，２００５；Ｚｈａｎｇ＆Ｔｈｏｍａｓ，２００５）的启发。 已有研究指出，大学毕业生的收入受一些高等教育经历的影响。其中学术专业 和大学质量最为显著（Ｂｒｅｗｅｒ，Ｅｉｄｅ，＆Ｅｈｒｅｎｂｅｒｇ，１９９９；Ｅｉｄｅ，１９９４；Ｒｕｍｂｅｒｇ— ｅｒ＆Ｔｈｏｍａｓ，１９９３；Ｔｈｏｍａｓ，２００３）。首先，众多研究一致表明学术专业对大学 毕业生的收入有显著性影响（Ｂｅｒｇｅｒ，ｌ９８８；Ｅｉｄｅ，１９９４；Ｇｒｏｇｇｅｒ＆Ｅｉｄｅ，１９９５； Ｊａｍｅｓ，Ａｌｓａｌａｍ，Ｃｏｎａｔｙ，＆Ｔｏ，１ ９８９；Ｒｕｍｂｅｒｇｅｒ，１ ９８４：Ｒｕｍｂｅｒｇｅｒ＆Ｔｈｏｍａｓ， １９９３）。这个发现之所以重要，是因为学术专业的选择一般不需要学生承担直 接成本。尽管该选择有诸多限制（如学术准备或在大学中的能力表现），但对学 生进行专业选择而言，几乎没有任何额外的直接费用。 研究显示第二项影响收入的因素是学生获得本科学位大学的“质量” （Ｂｒｅｗｅｒ，Ｅｉｄｅ，＆Ｅｈｒｅｎｂｅｒｇ，１９９９；Ｆｏｘ，１９９３；Ｊａｍｅｓ＆Ａｌｓａｌａｍ，１９９３；Ｍｕｅｌ— ｌｅｒ，１９８８；Ｓｅｗｅｌｌ＆Ｈａｕｓｅｒ。１９７５：Ｓｍａｒｔ，１９８８：Ｓｏｌｍｏｎ，１９７３；Ｓｏｌｍｏｎ，１９７５； 第１期 高等教育对美国大学生就业的影响 ９３ Ｔｒｕｓｈｅｉｍ＆Ｃｒｏｕｓｅ，１９８１；Ｒｕｍｂｅｒｇｅｒ＆Ｔｈｏｍａｓ，１９９３）。尽管大学的“质量”和 “声望”是很难定义的概念，但大量研究得出一致的发现：声誉卓著、录取率低、 学术质量优异的院校毕业生相对于那些学术成就较差院校的毕业生享有少量 但显著的收入优势。一个典型的例外是Ｄａｌｅ和Ｋｒｕｅｇｅｒ（２００２）的论断，他们比 较了具有相似的非观测特征的学生（如那些申请和被录取于类似大学的学生）， 发现在控制其他变量后，由新生平均ＳＡＴ分数所衡量的大学质量对毕业生收入 没有显著性影响。然而，由其他变量——包括大学学费和生均教育支出——衡 量的大学质量仍然对大学毕业生有显著影响。不同于选择专业，大学生对高校 的选择往往受制于其支付能力。学术表现等其他特征也对大学毕业生的工资 有着正的影响（Ｊａｍｅｓ ｅｔ ａ１．，１９８９；Ｊｏｎｅｓ＆Ｊａｃｋｓｏｎ，１９９０；Ｒｕｍｂｅｒｇｅｒ＆Ｔｈｏｒｎ— ａｓ，１９９３；Ｗｉｓｅ，１９７５），但本科后收入最大的两个驱动性因素是学生选择的学 术专业和所在大学类型。总之，如果其他条件相当，从高质量大学的高需求专 业（如工程）毕业的学生，往往拥有比从质量较差学校和其他专业毕业生有更高 的薪水。 非学术因素也极大地影响毕业生的收入。Ｚｈａｎｇ（２００５）指出这种因素主 要是间接通过教育成就而起作用。例如，来自高收入、高教育背景家庭的学生 更有可能取得高质量大学的学位，这种影响可以直接通过短期效果起作用（如 高社会经济背景的学生在支付昂贵学费方面拥有优势），或者间接通过长期效 果起作用（如他们在学术能力方面有更好的准备）。换句话说，学术和非学术 因素会产生叠加效果。 但这些教育和非教育因素如何影响高校毕业生的失业？人力资本理论在 方面所能给出的解释，不过是劳动力市场将回报个人进行的教育投资，并且这 些个人投资也将带来良好的劳动市场结果，这在增加收入之外也包括了较低的 失业可能性。因此，教育变量的就业效果可能与收入效果一致。例如，在先前 研究中揭示的收入优势之外，从高质量大学、高需求专业毕业的学生，其失业率 应低于那些毕业于较低质量学院和其他学术专业的同侪。 然而，就业效果同样关系到拥有不同教育背景的个人如何看待所从事工作 的回报１ 及他们个人对工作的期望。有关大学教育对大学生工作满意度之影 响的研究可以为这种可能性提供一种洞察。Ｌｉｕ、Ｔｈｏｍａｓ和Ｚｈａｎｇ（２０１０）认为， 大学质量既可以通过增加收入而提升工作满意度，也可能因过高的职业期望而 降低工作满意度。在２０世纪９０年代，关于大学的定价政策和大学教育价值更 广泛的公众讨论，鼓励了强调大学教育及其质量关系到个人投资回报的观点。 在这一时期，毕业生及其家庭开始支付快速增长的高等教育成本中越来越多的 份额。学生承担的费用不断上涨，以及对大学是一种私人产品讨论的不断升 温，导致高等教育商品化的加剧，并助长了“学生即消费者”的心理。这种消费 主义中可能嵌入了一种被抬高的期望——大学将授予学生独特的优势，这种优 ９４ 北京大学教育评论 势将在毕业后立即转化为一种可计量的、更好的生活环境（而不考虑劳动力市 场乃至宏观经济必然的涨落）。因此，在某一特定收入水平上，大学质量可表现 出对工作满意度的独立的、负向的影响，因为拥有更好教育背景的人往往有更 高的职业期望。事实上，Ｌｉｕ、Ｔｈｏｍａｓ和Ｚｈａｎｇ（２０１０）发现在控制收入后，大学 质量与工作满意度呈负相关，特别是对于工作的金钱报酬方面。这类工作不满 可能转化为更频繁地更换工作及更高的失业率。 同样，非教育因素也可能影响高校毕业生失业和毕业生的收入。它们通过 教育因素间接发挥作用并在劳动力市场中直接起效。也就是说，他们直接或间 接透过教育因素在劳动力市场产生了重大影响。不言而喻，前者反映了非教育 因素（如学生的社会经济背景）与教育获得之间强烈的相关性；而后者则可能是 因为，尽管社会已经尽最大努力推进就业机会平等，但诸如种族歧视等现象仍 然不断发生。在最近的一项研究中，Ｂｅｒｔｒａｎｄ和Ｍｕｌｌａｉｎａｔｈａｎ（２００４）进行了一 项随机实验以测试劳动力市场中种族歧视的情况，他们发现拥有非洲裔美国人 姓名的申请者更少得到面试的机会。学术因素对劳动力市场结果的总体影响 是巨大的。非洲裔美国人的失业几率是白人的两倍，而他们的收入比白人少了 ２５％（Ｃｏｕｎｃｉｌ ｏｆ Ｅｃｏｎｏｍｉｃ Ａｄｖｉｓｅｒｓ，１９９８）。 我们可以分别考虑不同的因素对于毕业生收入及对其失业可能性的影响。 如果把这两个重要的劳动力市场结果纳入同一等式后，亦即将影响失业与收入 的多种因素以一种有意义的方式合并后，将会更加有趣。 为正式说明本研究的方法，首先解释基本公式组①： Ｌ＝Ｈ＋ｕ ① 在此公式中，Ｌ代表劳动力供给总量，由工作时间（Ｈ）和失业时间（Ｕ）相加 而得。如工资率为Ｗ，那么全职收入为： ｗＬ＝ｗＨ＋似Ｕ＝ｗＵ（１＋Ｕ／Ｈ） 由于Ｕ／Ｈ通常较小（约３％），我们可以近似地认为： １ｎ（ｗＬ）＝Ｉｎ（ｗＨ）＋Ｕ／Ｈ 示为ｗＬ），那么再考虑失业可能性后，预期的年收入可以简单地表达为： ｌｎ（ｗＨ）＝Ｉｎ（ｗＬ）一Ｕ／Ｈ ③ 假设这些全职工作人员有足够的劳动力供给 （在此基础上，年收入可以表 ④ 该表达意味任何变量（ ）对预期的年收入之作用均由两部分组成，换句话 说，即它对年化收入的影响和它对失业几率的影响② Ｏｌｎ（ ）冀 一Ｏｌｎ（ｗＬ） ｄ （Ｕ／Ｈ） ｎ ①Ａｓｈｅｎｆｅｈｅｒ和Ｈａｍ（１９７９）运用了相似的公式组。然而，由于我们有不同的收入变量，我们使用 了基本模型的不同推导。 ②严格意义上，Ｕ／Ｈ是失业的发生比，即失业时间与工作时间的比率。为方便起见，我们在这里运 用失业几率。 第１期 高等教育对美国大学生就业的影响 ９５ 如果我们对比较预期的收入而非基于某一时间点的全职工作年化收入更 感兴趣，那么就有必要将失业包括在方程中。在进行关于高等教育的多种决策 时，学生及其家人不仅需要知道他们的选择在毕业后如何与全职工作相联系， 也需要知道这些选择如何与失业相关。 在实证分析时，我们采取Ｔｈｏｍａｓ和Ｚｈａｎｇ（２００５）研究中的收入方程，并将 年化收入的对数和失业几率（Ｕ／Ｈ）依次加入方程： ０ ＋ＯＬ１ Ｑ ＋ＯＬ２ Ｄ ＋ＯＬ３ Ｆｉ＋Ｏｌ４ Ｆ ＋Ｏｔ４ Ａ ＋Ｏｔ５ Ｊ ＋ “ ⑥ 在此方程中，个人 收入的对数和失业几率Ｕ／Ｈ由 代表，此二者均根据 如下变量作线性回归：所就读的大学 的质量（Ｑ ）、人口特征（Ｄ ）、家庭背景 （Ｆ ）、学术背景（Ａ ）、就业市场状况（Ｊ ）以及个人干扰项（ ）。利用方程⑥对 年化收入对数和失业几率Ｕ／Ｈ分别估计后，我们可以利用估计值来获得不同因 素对毕业生预期收入的影响，将它们代人方程⑤。这种方法提供了一个简单但 很有意义的方式来整合劳动力市场结果的两个方面，即失业和收入。这种方法 的要点是，既然我们已经对各种因素对大学生年化收入的影响了解甚多（即方 程⑤右侧第一项），如果我们可以评估同样的因素对大学毕业生失业几率（ Ｈ）的影响，即可代入方程⑤得到多种因素对大学毕业生预期收入的影响。 三、数据与方法 １．数据 本研究所使用的主要数据来源于Ｂａｃｃａｌａｕｒｅａｔｅ＆Ｂｅｙｏｎｄ研究（Ｂ＆Ｂ：９３／ ０３）。Ｂ＆Ｂ是一项旨在提供学生完成学士学位后有关教育和工作经验信息的纵 向研究，提供了完成学士学位一年后的有关信息以及进入研究生阶段教育或劳 动力市场后的有关资料。Ｂ＆Ｂ研究的样本是超过１００００名在１９９２年７月到 １９９３年６月之间获得学士学位的大学毕业生。Ｂ＆Ｂ于１９９４年、１９９７年和２００３ 年分别进行的第一、第二和第三次后续调查，提供了这些大学毕业生在他们早 期职业生涯中的资料。 Ｔｈｏｍａｓ和Ｚｈａｎｇ（例如Ｔｈｏｍａｓ＆Ｚｈａｎｇ，２００５；Ｚｈａｎｇ＆Ｔｈｏｍａｓ，２００５）在 他们关于大学教育对于毕业生收入影响的研究中，主要使用了Ｂ＆Ｂ第二期后 续调查的资料。Ｔｈｏｍａｓ和Ｚｈａｎｇ（２００５）检验了在毕业生职业生涯早期收入决 定结构是否稳定，并发现某些因素——如大学质量——的影响可能在毕业生进 入工作四至五年后显著发挥出比初期更加巨大的影响。最新公布的数据大约 在大学毕业后十年收集，为我们提供了一个检验高校毕业生的长时段劳动力市 场结果的机会。由于先前的研究表明，录取率等大学特征对毕业生收入有着重 要影响，我们使用受限数据组来匹配学生与大学。 ９６ 北京大学教育评论 ２．变量 收入和失业是本研究的两个主要变量。原始数据存在很多不同的形式，如 时薪、日薪、周薪、月薪及年薪。因此，该调查将这些工资率乘以不同的系数得 到年化收入（例如周工资乘以５２或日工资乘以２６０得到年化收入）。这其中隐 含两个假设：第一是毕业生将以此工资率工作一整年（期间工资率既不上涨也 不下降），第二是毕业生在该年度不会失业。这样得到的年收入虽然不同于考 虑失业可能性后的年收入期望值，但最近研究广泛地用它来衡量大学毕业生的 经济状况。本研究对每一次后续调查的结果进行限制性筛选，选择符合以下条 件的样本：（１）于１９９２年７月至１９９３年６月间获得学士学位；（２）在每一次 后续调查进行时拥有全职工作，并且年收入介于１０００美元和５０００００美元之间； （３）没有在学校注册为全Ｅｔ制学生；（４）拥有对应的大学特征数据。经过筛 选，１９９４年、１９９７年和２００３年后续调查结果分别拥有５７２０个、６５００个和６２８０ 个观察值。 本研究第二个感兴趣的主要变量是失业。由于失业在很大程度上是一个 动态的过程，因而难以衡量——特别是在大学毕业生的职业生涯早期阶段。幸 运的是，Ｂ＆Ｂ研究提供了相关毕业生逐月的详细就业信息。即我们可以获知毕 业生从其毕业到最后一次调查时每个月的就业状况（从１９９３年７月到２００３年 ２月），共计１１６个月。调查将就业状况分为四个类别：全职就业、兼职就业、失 业和退出劳动力市场。在本研究中，我们使用劳动统计局对失业的标准定义， 即无工作并积极寻找新工作。而那些退出劳动力市场的个体（无工作也不寻找 工作）不纳入失业的范畴，这部分人一般为全日制学生或承担家庭劳务的人。 而从事兼职工作的群体需要进一步分析。例如，如果他们从事兼职工作是因为 无法找到全职工作，那么我们就需要检验多种因素如何与这种不充分就业相联 系；但如果一个人选择兼职工作仅仅出于个人意愿，就如选择不工作，则直接在 计算失业时将此群体排除。在２００３年跟踪调查中，受访者被询问他们从事兼 职工作的原因，所有从事兼职工作的人中，仅有不到１０％回答无法获得全职工 作。①大多数调查对象从事兼职工作的原因是承担着家庭劳务或不需或不愿从 事全职工作。因此，我们在计算失业时排除兼职工作部分。从１９９４年、１９９７年 和２００３年三次跟踪调查的受访者中最终确定样本８４１０人。基于每月就业状 态信息，我们计算大学毕业生在毕业后第一个十年中的失业总时间，而后用失 业月数除以毕业后就业月数来估计我们感兴趣的变量Ｕ／Ｈ。正如预期的那样， 毕业生毕业后头十年中的平均失业时间相当少，只有３．１１月，这意味着平均失 业几率Ｕ／Ｈ为０．０２７５。 这个分析需要运用先前研究已经表明影响毕业生收入的多种自变量，包括 各种人Ｖｌ特征、家庭背景、高校特征、学术背景以及劳动力市场的变量。人口特 ①遵守数据保密协议，此处不给出确切数字。 第１期 高等教育对美国大学生就业的影响 ９７ 征变量主要描述性别、种族、民族，包括几个虚拟变量如“女性”、“白种”、“美国 印第安裔”，“亚裔”、“非洲裔”、“西班牙裔”等。家庭背景提供大学毕业生社会 经济状况的两个主要变量：家庭收入和是否为家庭中第一代大学毕业生。后者 反映了大学毕业生父母的受教育程度。 大学质量变量是从高等教育综合数据系统１９９２～１９９３（Ｉｎｔｅｇｒａｔｅｄ Ｐｏｓｔｓｅｃ— ｏｎｄａｒｙ Ｅｄｕｃａｔｉｏｎ Ｄａｔａ Ｓｙｓｔｅｍ １９９２～１９９３，ＩＰＥＤＳ）和Ｂａｒｒｏｎ’Ｓ Ｐｒｏｆｉｌｅｓ ｏｆ Ａｍｅｒｉｃａｎ Ｃｏｌｌｅｇｅｓ而获得。具体地说，我们划分了六种大学类型：高质量私立、高质量公 立、中等质量私立、中等质量公立、低质量私立和低质量公立大学。构建变量的 详细程序已经在Ｂｒｅｗｅｒ和Ｅｈｒｅｎｂｅｒｇ（１９９６）、Ｂｒｅｗｅｒ、Ｅｉｄｅ和Ｅｈｒｅｎｂｅｒｇ （１９９９）、Ｚｈａｎｇ和Ｔｈｏｍａｓ（２００５）等的研究中有所讨论。 学术变量包括本科专业（分为商学、教育学、工程、健康科学、公共事务、生 物科学、社会科学、数学科学、历史、人文、心理学和其他专业）和学生学术表现。 最后，我们还引入了几个重要的劳动力市场变量，如毕业生的年龄、在本单位工 作年限及其平方项。先前的研究都已使用这些变量作为大学毕业生收入结构 的决定因素。因此，我们通过使用相同的变量组来探索它们对失业的影响，进 而拓展已有研究。 本研究利用两种估计方法来处理数据的多层面性质（大学层面和学生层 面）。在第一种方法中，先使用多层线性模型（ＨＬＭ）来进行大学间与大学内的 方差分析，进一步使用大学和个人层面的变量来解释各自层面上的方差。在第 二种方法中，使用普通线性回归。在这两种方法中，样本所代表的总体是全部 大学毕业生。最后，如同所有此类型的研究，本研究的估计受到源于毕业生对 院校和专业自我选择的影响（Ｂｒｅｗｅｒ＆Ｅｈｒｅｎｂｅｒｇ，１９９６；Ｈｅｅｋｍａｎ，１９７９； １９８０；Ｓｔｏｌｚｅｎｂｅｒｇ＆Ｒｅｌｌｅｓ，１９９７）。由于本文所使用的模型包括众多典型的与选 择性偏差相关的变量（如学习能力、家庭社会经济背景等），估计结果不会存在 大的偏差。① 四、结论 在建立完整的多层线性模型之前，先分解高校与学生层面上的方差（见表 １）。对１９９４年、１９９７年和２００３年的收入变量而言，收入（对数）总方差的约有 １０％～１２％存在于大学间，而总方差的其余部分则来自大学内方差。对第四个 变量“失业几率”而盲，大学间方差的比例要小得多，为２．６８％。尽管大学间的 方差相对较小，但它在揭示机构因素如何影响个人结果时是重要的。此外，在 回归分析中计算标准差时，ＨＬＭ模型考虑了数据的嵌套结构。表２显示了多层 ①在实际操作中，研究使用了Ｈｅｃｋｍａｎ（１９７９）的两步分析方法。结果显示自选择因子（Ａ）在第二 步回归中并不显著。 ９８ 北京大学教育评论 线性模型回归分析的结果，而表３显示了基于一般线性回归而得的结果。对表 ２中的每一个回归方程而言，独立变量分为四类，即大学特征、人口特征、家庭背 景、学术背景。个人年龄（限于篇幅未列出）及其平方项、接受调查时工作的任 期及其平方项隐含在每一个回归方程中。 表１ 因变量的方差 表２ 大学毕业生收入与失业几率的多层线性模型估计 第１期 高等教育对美国大学生就业的影响 ９９ 注：１．括号内为标准差；个人的年龄及其平方项、当前工作的任期及其平方项、传统黑人 学院和大学的变量以及缺失数据的变量也包含在内。 ２． Ｐ＜０．０．５， Ｐ＜０．０１，…Ｐ＜０．００１ １Ｏ０ 北京大学教育评论 ２０１２年 大学特征 低质量公立大学 一０．０４６ 一０．０５２ 一０．０３６ ０．００３ （０．０２４） （０．０２１） （０．０２７） （０．００３） 低质量私立大学 ０．０４８ 一０．０２３ 一０．０５３ ０．０００ （０．０３５） （０．０３８） （０．０３４） （０．００５） 中等质量私立大学 ０．０２２ ０．０２１ ０．０００ ０．００ｌ （０．０１９） （０．０１９） （０．０２２） （０．００３） 高质量公立大学 ０．０２９ ０．０６４ ０．０５４ 一Ｏ．００ｌ （０．０２４） （０．０３２） （０．０３５） （０．００４） 高质量私立大学 ０．０３７ ０．１２９… ０．１２８… ０．０１２ （０．０２４） （０．０２８） （０．０２９） （０．００６） 人口特征 女性 一０．１１４… 一０．１３４… 一０．２０７… 一０．００５ （０．０１４） （０．０１２） （０．Ｏｌ６） （０．００３） 美国印第安裔 ０．０５０ ０．０４１ ０．２０２… Ｏ．Ｏ１０ （０．０５２） （０．０６０） （０．０５９） （０．０２８） 亚裔 ０．０５４ ０．１１４… 一０．Ｏ１Ｏ ０．０２４ （０．０２７） （０．０３１） （０．０４９） （０．０１１） 非裔 一０．００６ 一Ｏ．０５１ 一０．０４９ ０．００９ （０．０２８） （０．０２８） （０．０３１） （０．００５） 西班牙裔 一０．０１３ 一０．０３３ 一０．０６６ ０．００７ （０．０３６） （０．０３４） （０．０５３） （０．００６） 家庭背景 家庭收入（ｉｎ￥１０，０００） ０．００５ ０．００６… ０．００７… ０．０００ （０．００２） （０．００２） （０．００２） （０．０００） 第一代大学毕业生 ０．００８ ０．００７ 一一０．０３５ ０．００３ （０．０１３） （０．０１２） （０．Ｏ１５） （０．００３） 学术背景 本科ＧＰＡ ０．０１６ Ｏ．０１４ ０．０３０… 一Ｏ．００ｌ （０．００６） （０．００７） （０．００８） （０．００１） 商学专业 ０．２００… Ｏ．２５１… ０．２５１… 一０．００８ （０．０１９） （０．０１９） （０．０２７） （０．００４） 工程专业 ０．３８９… ０．４１２… ０．３５０… ０．００４ （０．０２３） （０．０２４） （０．０３２） （０．００５） 第１期 高等教育对美国大学生就业的影响 １０１ 注：１．括号内为标准差；个人的年龄及其平方项、当前工作的任期及其平方项、传统黑人 学院和大学的变量以及缺失数据的变量也包含在内。 ２． Ｐ＜０．０５，“Ｐ＜０．０１，…Ｐ＜０．００１ 首先，从表２的收入方程可以发现，多种变量对收入的估计效果在此三个时 间点验证了Ｚｈａｎｇ（２００８）的研究。值得注意的是，前三列的系数是对数值，当系数 较小时这与百分比变化相似。对较大的观测值，有必要将其变为［ｅｘｐ（ｂ）一１］。 对模型中的其他变量而言，虽然大学质量的作用较小，但它在１９９４年表现出统 计意义上显著性（第一列）。相比中等质量公立大学的毕业生（这是每个模型中 的对照组），低质量公立大学的毕业生的收入约少５％，而高质量公立大学的毕 业生大约有５％的收入优势。此外，低质量私立大学、中等质量公立大学和中等 质量私立大学的毕业生的收入并没有统计上的差异。最后，高质量私立大学的 毕业生拥有６．６％（对数系数为０．０６４）的优势收入。 大学质量的经济回报在毕业后短期内相对较小，在几年后则出现了相当大 的差异。第二列结果表明，高质量的公立大学和私立大学毕业生的收入较中等 质量公立大学毕业生高８．９％和１２．６％（对数系数为０．０８５和０．１１９），低质量 １０２ 北京大学教育评论 公立大学毕业生仍较中等质量公立大学的同辈少收入约５％，但低质量私立大 学、中等质量私立大学和中等质量公立大学的毕业生收入依旧没有统计上的差 异。不同大学毕业生的显著收入差异在毕业后十年依然存在。２００３样本的收 入方程显示，高质量私立大学的毕业生在此时较中等质量公立大学毕业生多收 入约１５％（对数系数为０．１３９）。而２００３年高质量公立大学毕业生的收入优势 依然为正，但在统计上不显著。 回归估计也揭示了与人口特征相关的收入差异。对所有三个样本，女性毕 业生的收入一致地少于男性，而且这种性别差异随时间不断增加，从１９９４年的 １０％增长到１９９７年的ｌ３％，再到２００３年的１９％（对数系数分别为一０．１０３， ０．１４１和一０．２０７）。一般来说，控制其他变量时，种族之间的收入差异并不显 著。但是我们发现了几个有趣的事实 研究结果表明，尽管美国印第安裔毕业 生在１９９４年和１９９７年与他们的白人同辈并没有收入差异，但他们在２００３年却 拥有了巨大的收入优势（对数系数０．１７３）。相比之下，根据１９９７年的估汁，亚 裔毕业生有巨大的收入优势，但这种优势并不能延续到之后的两个时期。可是 根据这些数据，我们很难断定这样的结果能否反映美国印第安和亚裔毕业生的 收入趋势。 家庭背景在影响收入的所有三个时间点上都扮演着重要角色。尽管影响 相对较小，但家庭收入在所有三个样本都与毕业生收入正相关。第一代毕业生 的身份在２００３年与毕业生收入呈负相关，但在之前的两个时间点呈正相关。 本研究中，家庭背景变量对毕业生收入的影响显著但相对较小，与以往检验家 庭背景对学生结果直接或间接影响的研究相一致。一般来说，家庭背景往往通 过教育成就而间接影响收入，而不是直接影响收入。 在模型的所有变量中，本科专业似乎对毕业生收入有最大的影响力。对所 有三个样本而言，工程和医学专业的毕业生较同届其他专业学生有着最为显著 的收入优势。例如，相比于其他专业，主修工程或医学领域专业在毕业后一年 将提供大约４５％（对数系数分别为０．３７４和０．３９６）的收入优势。在第三次凋 查时，这种收入优势缩小为４１％和３６％（对数系数分别为０．３４５和０．３０９），但 依然相差巨大。第二组专业包括商学、生命科学、数学科学、社会科学，也比其 他专业享有大量的收入优势。相对于教育学专业（参照组）而言，这些专业的毕 业生在毕业十年后享有从１８％到３０％不等的收入优势。收入最低的专业则包 括公共事务、历史、人文学学科、心理学和教育学等。 本研究也进行了一组类似的普通线性回归分析并将结果显示在表３中。 尽管多层线性模型和普通线性回归两种估计在估计系数和标准差有一些差别， 但其定性的结果是一致的。即大学质量依旧是影响毕业生收入的重要因素，在 毕业初期作用相对较小，而随着时间推移而扩大。女性毕业生收入显著低于男 性，但种族间的不平等一般较小且不显著。家庭背景扮演了一定角色，但影响 较小。最后，本科专业是到目前为止影响毕业生收入最显著的因素。在收入最 第１期 高等教育对美国大学生就业的影响 １０３ 高一端的是工程与医学专业，而最低一端的则是历史、人文学科、心理学和教育 学专业。 上述分析比较了拥有全职工作与兼职工作的毕业生；然而，拥有全职工作 的机率可能在不同大学毕业生间有所不同。表２第４列显示了不同因素对失 业几率的影响，表３第４列中用普通线性回归对此进行了估计。总体上看，这 些模型的预测能力较低（例如，只能解释方差的较少部分）；然而，在此分析中可 以发现一些重要的观察结果。关于大学质量影响失业几率的估计结果中，最引 人注目的是高质量私立大学毕业生在毕业后第一个十年中更容易失业。平均 来说，这些毕业生的失业几率比中等质量公立大学毕业生高０．０１。平均失业率 为０．０２７５，０．０１的概率增加可能意味着在毕业后头十年有多于一个月的失业。 这也许并不是很大的影响；但与以往研究的发现相一致的是：在控制其他因素 后，高质量私立大学的毕业生工作满意度较低（Ｌｉｕ，Ｔｈｏｍａｓ，＆Ｚｈａｎｇ，２０１０）， 这可能会导致更高的失业几率。 虽然在种族间不存在显著的收入差异，但亚裔和黑种学生比白种同侪失业 的可能性更大。平均来说，亚裔毕业生的失业几率较白种毕业生高０．０１８，表现 为两个月的失业期。而非裔毕业生的失业几率也要高０．０ｌ１。这一发现与以往 研究所发现的在美国黑人更有可能失业的结论是一致的。 最后，本科专业和失业几率之间的关系非常有趣。一般来说，那些有着相 对高收入的本科专业其失业率较低，而那些有着相对低收入的本科专业则失业 率较高。特别需要指出的是，相对于教育学毕业生，商学或医学专业毕业生失 业几率明显更低，估计值为一０．００６和一０．０１７。对工程和公共事务专业的该估 计值也为负数，尽管在统计上并不显著。相比而言，历史、人文和心理学专业， 是失业几率最高的专业。 五、讨论与结论 本研究将大学教育的经济回报分析扩展到学生毕业后十年，并进一步考察 了大学教育对学生失业可能性在毕业后第一个十年的影响。大学质量和本科 专业是影响毕业生收入的两个主要因素。我们的研究结果也验证了更高的大 学质量对毕业生收入的积极作用以及在不同本科专业间的巨大差异。然而，这 两个主要因素对毕业生失业可能性的影响却截然不同。一方面，高质量私立大 学的毕业生虽然在各高校类型的毕业生中享有最高的平均收入，但其失业的可 能性也最大；另一方面，就读高需求专业如商学、医学等的毕业生，较其他专业 毕业生而言，其失业可能性也较低。 这些结果可为学生进行大学教育决策提供另一层次的重要信息。本研究 是基于如下前提：个人决定应遵循预期收入（包含失业风险），而非年化全职收 入。为得到多种因素对大学毕业生预期收入的影响，可以利用方程⑤将这些因 １０４ 北京大学教育评论 ｒ｝ｌ ２ ］Ｊ素对全职收入和失业几率的影响结合起来。由于各种因素对失业几率的影响 １ｊ通常较小，本文没有将其与对收入的影响结合起来。然而，这个理论框架的效 用是显而易见的。 我们应当慎重解释本研究的结果。例如，本研究一个主要的发现是，从高 质量私立大学毕业的学生拥有更高收入的同时也更有可能失业。到目前为止， 我们的解释集中于他们对工作的期望与工作实际的回报不相匹配（Ｌｉｕ，Ｔｈｏｍａｓ ＆Ｚｈａｎｇ，２０１０）。然而，由于缺少他们为什么失业的详细信息，我们很难确定大 学质量影响失业几率的确切机制。一个典型的自我选择的论断是，选择就读私 立精英学校的学生可能会有更大的野心，这将导致他们进入劳动力市场后更频 繁的工作变动。也就是说，就读私立精英学校和高失业几率的关系可能是由某 些潜在的个人特征驱动的。 我们观察到的本科专业与失业几率之间的关系也需要解释。在本研究中， 我们引用了人力资本框架来解释实证结果：来自高需求专业的大学毕业生享受 更加有利的就业环境，包括较高的收人和较低的失业几率。然而，后者也可能 是本研究所采用的数据被采集时那一个特定历史时期的结果。２０世纪９０年代 见证了高科技（特别是信息技术）与生物医学产业戏剧性的扩张，这可能是导致 相关专业高收入、低失业率的原因。这种关系可能在最近的高科技泡沫破灭后 无法长久。由美国国家教育数据中心（ＮＣＥＳ）收集的关于近期Ｂ＆Ｂ研究群体 的数据将有助于回答这些剩余的问题。 参考文献 Ａｓｈｅｎｆｅｌｔｅｒ，＆Ｈａｍ，Ｊ．（１９７９）．Ｅｄｕｃａｔｉｏｎ，Ｕｎｅｍｐｌｏｙｍｅｎｔ，ａｎｄ Ｅａｒｎｉｎｇｓ．Ｊｏｕｒｎａｌ ｏｆ Ｐｏｌｉｔｉｃａｌ Ｅｃｏｎｏｍｙ，８５（５），￥９９一Ｓ１１６． Ｂｅｒｇｅｒ，Ｍ．（１９８８）．Ｐｒｅｄｉｃｔｅｄ Ｆｕｔｕｒｅ Ｅａｒｎｉｎｇｓ ａｎｄ Ｃｈｏｉｃｅ ｏｆ Ｃｏｌｌｅｇｅ Ｍａｊｏｒ．Ｉｎｄｕｓｔｒｉａｌ ａｎｄ Ｌａｂｏｒ Ｒｅｌａｔｉｏｎｓ Ｒｅｖｉｅｗ，４１，４１８—４２９． Ｂｅｒｔｒａｎｄ，Ｍ．＆Ｍｕｌｌａｉｎａｔｈａｎ，Ｓ．（２００４）．Ａｒｅ Ｅｍｉｌｙ ａｎｄ Ｇｒｅｇ Ｍｏｒｅ Ｅｍｐｌｏｙａｂｌｅ ｔｈａｎ Ｌａｋｉｓｈａ ａｎｄ Ｊａｍａｌ？Ａ ｆｉｅｌｄ Ｅｘｐｅｒｉｍｅｎｔ ｏｎ Ｌａｂｏｒ Ｍａｒｋｅｔ Ｄｉｓｃｒｉｍｉｎａｔｉｏｎ．Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍ— ｉｃ Ｒｅｖｉｅｗ，９４（４），９９１—１０１３． Ｂｒｅｗｅｒ，Ｄ．＆Ｅｈｒｅｎｂｅｒｇ，Ｒ．（１９９６）．Ｄｏｅｓ Ｉｔ Ｐａｙ ｔｏ Ａｔｔｅｎｄ ａｎ Ｅｌｉｔｅ Ｐｒｉｖａｔｅ Ｃｏｌｌｅｇｅ？Ｅｖｉ— ｄｅｎｃｅ ｆｒｏｍ ｔｈｅ Ｓｅｎｉｏｒ Ｃｌａｓｓ ｏｆ ｌ９８０．Ｒｅｓｅａｒｃｈ ｉｎ Ｌａｂｏｒ Ｅｃｏｎｏｍｉｃｓ，１５２３９—２７２． ．Ｂｒｅｗｅｒ，Ｄ．，Ｅｉｄｅ，Ｅ．＆Ｅｈｒｅｎｂｅｒｇ，Ｒ．（１９９９）．Ｄｏｅｓ Ｉｔ Ｐａｙ ｔｏ Ａｔｔｅｎｄ ａｎ Ｅｌｉｔｅ Ｐｒｉｖａｔｅ Ｃｏｌｌｅｇｅ？Ｃｒｏｓｓ Ｃｏｈｏｒｔ Ｅｖｉｄｅｎｃｅ ｏｎ ｔｈｅ Ｅｆｆｅｃｔｓ ｏｆ Ｃｏｌｌｅｇｅ Ｔｙｐｅ ｏｎ Ｅａｒｎｉｎｇｓ．Ｊｏｕｒｎａｌ ｆＨｕ—ｏ ｍａｌｔ Ｒｅｓｏｕｒｃｅｓ，３４（１），１０４—１２３． Ｃｏｕｎｃｉｌ ｏｆ Ｅｃｏｎｏｍｉｃ Ａｄｖｉｓｅｒｓ．（１ ９９８）．Ｃｈａｎｇｉｎｇ Ａｍｅｒｉｃａ：Ｉｎｄｉｃａｔｏｒｓ ｏｆ Ｓｏｃｉａｌ ａｎｄ Ｅｃｏ— ｎｏｍｉｃ Ｗｅｌｌ—Ｂｅｉｎｇ ｂｙ Ｒａｃｅ ａｎｄ Ｈｉｓｐａｎｉｃ Ｏｒｉｇｉｎ．Ａｖａｉｌａｂｌｅ ｏｎｌｉｎｅ：ｈｔｔｐ：／／ｗｗｗ．ａｃｃｅｓｓ． ｇｐｏ．ｇｏＶ／ｅｏｐ／ｃａ／ｐｄｆｓ／ｃａ．ｐｄｆ Ｄａｌｅ，Ｓ．Ｂ．＆Ｋｒｕｅｇｅｒ，Ａ．（２００２）．Ｅｓｔｉｍａｔｉｎｇ ｔｈｅ Ｐａｙｏｆｆ ｔｏ Ａｔｔｅｎｄｉｎｇ ａ Ｍｏｒｅ Ｓｅｌｅｃｔｉｖｅ Ｃｏｌｌｅｇｅ：Ａｎ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｓｅｌｅｃｔｉｏｎ ｏｂ Ｏｂｓｅｒｖａｂｌｅｓ ａｎｄ Ｕｎｏｂｓｅｒｖａｂｌｅｓ．Ｑｕａｒｔｅｒｌｙ Ｊｏｕｒｎａｌ 第１期 高等教育对美国大学生就业的影响 １０５ ｏｆＥｃｏｎｏｍｉｃｓ，１１７（４），１４９１—１５２７． ［８］ Ｅｉｄｅ，Ｅ．（１９９４）．Ｃｏｌｌｅｇｅ Ｍａｊｏｒ Ｃｈｏｉｃｅ ａｎｄ Ｃｈａｎｇｅｓ ｉｎ ｔｈｅ Ｇｅｎｄｅｒ Ｗａｇｅ Ｇａｐ．Ｃｏｎｔｅｍ— ｐｏｒａｒｙ Ｅｃｏｎｏｍｉｃ Ｐｏｌｉｃｙ，７，５５—６４． ［９］ Ｆｏｘ，Ｍ．（１９９３）．Ｉｓ Ｉｔ ａ Ｇｏｏｄ Ｉｎｖｅｓｔｍｅｎｔ ｔｏ Ａｔｔｅｎｄ ａｎ Ｅｌｉｔｅ Ｐｒｉｖａｔｅ Ｃｏｌｌｅｇｅ？Ｅｃｏｎｏｍｉｃｓ ｏｆ Ｅｄｕｃａｔｉｏｎ Ｒｅｖｉｅｗ，１２，ｌ３７—１５１． ［１Ｏ］ Ｇｒｏｇｇｅｒ，Ｊ．＆Ｅｉｄｅ，Ｅ．（１９９５）．Ｃｈａｎｇｅｓ ｉｎ Ｃｏｌｌｅｇｅ Ｓｋｉｌｌｓ ａｎｄ ｔｈｅ Ｒｉｓｅ ｉｎ ｔｈｅ Ｃｏｌｌｅｇｅ Ｗａｇｅ Ｐｒｅｍｉｕｍ．Ｊｏｕｒｎａｌ ｏｆＨｕｍａｎ Ｒｅｓｏｕｒｃｅｓ，３０，２８０－３１０． ［１１］ Ｈｅｃｋｍａｎ，Ｊ．（１９７９）．Ｓａｍｐｌｅ Ｓｅｌｅｃｔｉｏｎ Ｂｉａｓ ａｓ ａ Ｓｐｅｃｉｉｆｃａｔｉｏｎ Ｅｒｒｏｒ．Ｅｃｏｎｏｍｅｔｒｉｃａ，４７， １５３．１６１． ［１２］ Ｈｅｃｋｍａｎ，Ｊ．（１９８０）．Ａｄｄｅｎｄｕｍ ｔｏ‘Ｓａｍｐｌｅ Ｓｅｌｅｃｔｉｏｎ Ｂｉａｓ ａｓ ａ Ｓｐｅｃｉｆｉｃａｔｉｏｎ Ｅｒｒｏｒ’．Ｉｎ Ｅ．Ｓｔｏｒｍｓｄｏｒｆｅｒ ａｎｄ Ｇ．Ｆａｒｋａｓ（Ｅｄｓ．），Ｅｖａｌｕａｔｉｏｎ Ｓｔｕｄｉｅｓ Ｒｅｖｉｅｗ Ａｎｎｕａｌ（ＰＰ．１５３－ １６１）．Ｂｅｖｅｒｌｙ Ｈｉｌｌｓ，ＣＡ：Ｓａｇｅ． ［１３］ Ｊａｍｅｓ，Ｅ．＆Ａｌｓａｌａｍ，Ｎ．（１９９３）．Ｃｏｌｌｅｇｅ Ｃｈｏｉｃｅ，Ａｃａｄｅｍｉｃ Ａｃｈｉｅｖｅｍｅｎｔ ａｎｄ Ｆｕｔｕｒｅ Ｅａｒｎｉｎｇｓ．Ｉｎ Ｅ．Ｐ．Ｈｏｆｆｍａｎ（Ｅｄ．），Ｅｓｓａｙｓ ｏｎ ｔｈｅ Ｅｃｏｎｏｍｉｃｓ ｏｆＥｄｕｃａｔｉｏｎ（ＰＰ．１１１— １３７）．ｗ．Ｅ．Ｕｐｊｏｈｎ Ｉｎｓｔｉｔｕｔｅ ｆｏｒ Ｅｍｐｌｏｙｍｅｎｔ Ｒｅｓｅａｒｃｈ，Ｋａｌａｍａｚｏｏ，ＭＩ． ［１４］ Ｊａｍｅｓ，Ｅ．，Ａｌｓａｌａｍ，Ｎ．，Ｃｏｎａｔｙ，Ｊ．＆Ｔｏ，Ｄ．（１９８９）．Ｃｏｌｌｅｇｅ Ｑｕａｌｉｔｙ ａｎｄ Ｆｕｔｕｒｅ Ｅａｒｎ－ ｉｎｇｓ：Ｗｈｅｒｅ Ｓｈｏｕｌｄ Ｙｏｕ Ｓｅｎｄ Ｙｏｕｒ Ｃｈｉｌｄ ｔｏ Ｃｏｌｌｅｇｅ？Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗ，７９，２４７－２５２． ［１５］ Ｊｏｎｅｓ，Ｅ．＆Ｊａｃｋｓｏｎ，Ｊ．（１９９０）．Ｃｏｌｌｅｇｅ Ｇｒａｄｅｓ ａｎｄ Ｌａｂｏｒ Ｍａｒｋｅｔ Ｒｅｗａｒｄｓ．Ｊｏｕｒｎａｌ ｏｆ Ｈｕｍａｎ Ｒｅｓｏｕｒｃｅｓ，２５，２５３－２６６． ［１６］ Ｌｉｕ，Ｘ．，Ｔｈｏｍａｓ，Ｓ．＆Ｚｈａｎｇ，Ｌ．（２０１０）．Ｃｏｌｌｅｇｅ Ｑｕａｌｉｔｙ，Ｅａｒｎｉｎｇｓ，ａｎｄ Ｊｏｂ Ｓａｔｉｓｆａｅ－ ｔｉｏｎ：Ｅｖｉｄｅｎｃｅ ｆｒｏｍ Ｒｅｃｅｎｔ Ｃｏｌｌｅｇｅ Ｇｒａｄｕａｔｅｓ．Ｊｏｕｒｎａｌ ｏｆＬａｂｏｒ Ｒｅｓｅａｒｃｈ，３１（２），１８３・２０１． ［１７］ Ｍｕｅｌｌｅｒ，Ｒ．（１９８８）．Ｔｈｅ Ｉｍｐａｃｔ ｏｆ Ｃｏｌｌｅｇｅ Ｓｅｌｅｃｔｉｖｉｔｙ ｏｎ Ｉｎｃｏｍｅ ｆｏｒ Ｍｅｎ ａｎｄ Ｗｏｍｅｎ． Ｒｅｓｅａｒｃｈ ｉｎ Ｈｉｇｈｅｒ Ｅｄｕｃａｔｉｏｎ，２９，１７５—１９１． ［１８］ Ｒｕｍｂｅｒｇｅｒ，Ｒ．（１９８４）．Ｔｈｅ Ｃｈａｎｇｉｎｇ Ｅｃｏｎｏｍｉｃ Ｂｅｎｅｆｉｔｓ ｏｆ Ｃｏｌｌｅｇｅ Ｇｒａｄｕａｔｅｓ．Ｅｃｏｎｏｍ－ ｃｓ ｆｏＥｄｕｃａｔｉｏｎ Ｒｅｖｉｅｗ。３．３—１１． ［１９］ Ｒｕｍｂｅｒｇｅｒ Ｒ．＆Ｔｈｏｍａｓ，Ｓ．（１９９３）．Ｔｈｅ Ｅｃｏｎｏｍｉｃ Ｒｅｔｕｒｎｓ ｔｏ Ｃｏｌｌｅｇｅ Ｑｕａｌｉｔｙ，Ｍａｊｏｒ， ａｎｄ Ｐｅｒｆｏｒｍａｎｃｅ．Ｅｃｏｎｏｍｉｃｓ ｏｆ Ｅｄｕｃａｔｉｏｎ Ｒｅｖｉｅｗ，１２（１），１—１９． ［２０］ Ｓｅｗｅｌｌ，Ｗ．Ｈ．＆Ｈａｕｓｅｒ，Ｒ．Ｍ．（１９７５）．Ｅｄｕｃａｔｉｏｎ，Ｏｃｃｕｐａｔｉｏｎ，ａｎｄ Ｅａｒｎｉｎｇｓ：Ａｃｈｉｅｖｅ・ ｍｅｎｔ ｉｎ ｔｈｅ Ｅａｒｌｙ Ｃａｒｅｅｒ．Ｎｅｗ Ｙｏｒｋ：Ａｃａｄｅｍｉｃ Ｐｒｅｓｓ． ［２１］ Ｓｍａｒｔ，Ｊ．（１９８８）．Ｃｏｌｌｅｇｅ Ｉｎｆｌｕｅｎｃｅｓ ｏｎ Ｇｒａｄｕａｔｅｓ Ｉｎｃｏｍｅ Ｌｅｖｅｌｓ．Ｒｅｓｅａｒｃｈ ｉｎ Ｈｉｇｈｅｒ Ｅｄｕｃａｔｉｏｎ，２９，４１—５９． ［２２］ Ｓｏｌｍｏｎ，Ｌ．（１９７３）．Ｔｈｅ Ｄｅｉｆｎｉｔｉｏｎ ａｎｄ Ｉｍｐａｃｔ ｏｆ Ｃｏｌｌｅｇｅ Ｑｕａｌｉｔｙ．Ｉｎ Ｓｏｌｍｏｎ，Ｌ ａｎｄ Ｔａｔｌｂｍａｎ，Ｐ．（Ｅｄ．）Ｄｏｅｓ Ｃｏｌｌｅｇｅ Ｍａｔｔｅｒ？Ｎｅｗ Ｙｏｒｋ：Ａｃａｄｅｍｉｃ Ｐｒｅｓｓ． ［２３］ Ｓｏｌｍｏｎ，Ｌ．（１９７５）．Ｔｈｅ Ｄｅｆｉｎｉｔｉｏｎ ｏｆ Ｃｏｌｌｅｇｅ Ｑｕａｌｉｔｙ ａｎｄ Ｉｔｓ Ｉｍｐａｃｔ ｏｎ Ｅａｒｎｉｎｇｓ．Ｅｘｐｌｏ— ｒｉｎｇ．Ｅｃｏｎｏｍｉｃ Ｒｅｓｅａｒｃｈ，２，５３７—５８８． ［２４］ Ｓｔｏｌｚｅｎｂｅｒｇ，Ｒ．＆Ｒｅｌｉｅｓ，Ｄ．（１９９７）．Ｔｏｏｌｓ ｆｏｒ Ｉｎｔｕｉｔｉｏｎ Ａｂｏｕｔ Ｓａｍｐｌｅ Ｓｅｌｅｃｔｉｏｎ Ｂｉａｓ ａｎｄ Ｉｔｓ Ｃｏｒｒｅｃｔｉｏｎ．Ａｍｅｒｉｃａｎ Ｓｏｃｉｏｌｏｇｉｃａｌ Ｒｅｖｉｅｗ，６２，４９４—５０７． ［２５］ Ｔｈｏｍａｓ，Ｓ．（２００３）．Ｌｏｎｇｅｒ—ｔｅｒｍ Ｅｃｏｎｏｍｉｃ Ｅｆｆｅｃｔｓ ｏｆ Ｃｏｌｌｅｇｅ Ｓｅｌｅｃｔｉｖｉｔｙ ａｎｄ Ｃｏｎｔｒｏ１．Ｒｅ— ｓｅａｒｃｈ ｉｎ Ｈｉｇｈｅｒ Ｅｄｕｃａｔｉｏｎ，４４（３），２６３－２９９． ［２６］ Ｔｈｏｍａｓ，Ｓ．＆Ｚｈａｎｇ，Ｌ．（２００５）．Ｐｏｓｔ—ｂａｃｃａｌａｕｒｅａｔｅ Ｗａｇｅ Ｇｒｏｗｔｈ ｗｉｔｈｉｎ Ｆｏｕｒ Ｙｅａｒｓ ｏｆ １０６ 北京大学教育评论 ２０１２证 Ｇｒａｄｕａｔｉｏｎ：Ｔｈｅ Ｅｆｆｅｃｔｓ ｏｆ Ｃｏｌｌｅｇｅ Ｑｕａｌｉｔｙ ａｎｄ Ｃｏｌｌｅｇｅ Ｍａｊｏｒ．Ｒｅｓｅａｒｃｈ ｉｎ Ｈｉｇｈｅｒ Ｅｄｕｃａ— ｔｉｏｎ，４６（４），４３７—４５９． ［２７］ Ｔｒｕｓｈｅｉｍ，Ｄ．＆Ｃｒｏｕｓｅ，Ｊ．（１９８１）．Ｅｆｆｅｃｔｓ ｏｆ Ｃｏｌｌｅｇｅ Ｐｒｅｓｔｉｇｅ ｏｎ Ｍｅｎ’ｓ Ｏｃｃｕｐａｔｉｏｎａｌ Ｓｔａｔｕｓ ａｎｄ Ｉｎｃｏｍｅ．Ｒｅｓｅａｒｃｈ ｉｎ Ｈｉｇｈｅｒ Ｅｄｕｃａｔｉｏｎ，１４，２８３—３０４． ［２８］ Ｗｉｓｅ，Ｄ．（１９７５）．Ａｃａｄｅｍｉｃ Ａｃｈｉｅｖｅｍｅｎｔ ａｎｄ Ｊｏｂ Ｐｅｒｆｏｒｍａｎｃｅ．Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃｓ Ｒｅ— ｖｔｅｗ，６ｊ：３５０－３６６． ［２９］Ｚｈａｎｇ，Ｌ．（２００５）．Ｄｏｅｓ Ｑｕａｌｉｔｙ Ｍａｔｔｅｒ？Ｂｅｎｅｉｆｔｓ ｏｆ Ａｔｔｅｎｄｉｎｇ ａ Ｈｉｇｈ—Ｃｏｓｔ．Ｐｒｅｓｔｉｇｉｏｕｓ Ｃｏｌｌｅｇｅ．Ｎｅｗ Ｙｏｒｋ：Ｒｏｕｔｌｅｄｇｅ． ［３０］Ｚｈａｎｇ，Ｌ．（２００８）．Ｔｈｅ Ｗａｙ ｔｏ Ｗｅａｌｔｈ ａｎｄ ｔｈｅ Ｗａｙ ｔｏ Ｌｅｉｓｕｒｅ：Ｔｈｅ Ｉｍｐａｃｔ ｏｆ Ｃｏｌｌｅｇｅ Ｅｄｕｃａｔｉｏｎ ｏｎ Ｇｒａｄｕａｔｅｓ’Ｅａｒｎｉｎｇｓ ａｎｄ Ｈｏｕｒｓ ｏｆ Ｗｏｒｋ．Ｒｅｓｅａｒｃｈ ｉｎ Ｈｉｇｈｅｒ Ｅｄｕｃａｔｉｏｎ４９ ，（３），ｌ９９－２１３． ［３１］ Ｚｈａｎｇ，Ｉ ．＆Ｔｈｏｍａｓ，Ｌ．（２００５）．Ｉｎｖｅｓｔｍｅｎｔ ｉｎ Ｈｕｍａｎ Ｃａｐｉｔａｌ：Ｓｏｕｒｃｅｓ ｏｆ Ｖａｒｉａｔｉｏｎ ｉｎ ｔｈｅ Ｒｅｔｕｒｎ ｏｆ Ｃｏｌｌｅｇｅ Ｑｕａｌｉｔｙ．Ｉｎ Ｊｏｈｎ Ｓｍａｒｔ（Ｅｄ．）．Ｈｉｇｈｅｒ Ｅｄｕｃａｔｉｏｎ：Ｈａｎｄｂｏｏｋ ｏｆ Ｔｈｅ— ｏｒｙ ａｎｄ Ｒｅｓｅａｒｃｈ，ｖｏ１．２０（ＰＰ．２４１—３０６）．Ｔｈｅ Ｎｅｔｈｅｒｌａｎｄｓ：Ｓｐｒｉｎｇｅｒ． （北京大学教育学院博士研究生 刘子瑜 译】 （责任编辑范皑皑） 说明并致歉 本刊２０１１年第４期《在美国作为一个研究领域的高等教育：历 史、学位项目与知识基础》（作者莱斯特・古德柴尔德）文章的译者为 北京大学教育学院博士研究生申超。由于编辑工作的失误，没有注明 译者，特此说明并向译者和读者致歉。