苏 妍 马明宇 宁宇哲 | 专业匹配对工资水平的影响——基于麦可思调查数据的实证分析

  作 者 简 介  

苏 妍，中央财经大学中国人力资本与劳动经济研究中心博士研究生，主要从事人力资本核算、劳动经济研究；
马明宇，中央财经大学中国人力资本与劳动经济研究中心博士研究生，主要从事人力资本、教育经济研究；
宁宇哲，北京市人力资源研究中心干部，博士，主要从事劳动经济、人力资本研究。

 摘 要 

使用麦可思2011—2015年关于本专科毕业生毕业半年后的调查数据，描述了高校毕业生专业匹配情况的现状，并从学历程度、学校类型、专业及城市类型等维度详细分析了专业匹配与否对工资水平的影响。总体而言，专业匹配确实能为高校毕业生带来较高的工资收入，总体影响系数为5.89%，但是这种影响存在多方面的差异：本科学历的影响大于专科学历的影响，分别为6.13%与3.66%；211院校与非211院校的系数值分别为11.79%和9.01%；工学、医学及理学专业匹配度高对工资的影响较大，其他专业的影响较小；行政级别高的城市因产业结构及经济发展模式的需要，对专业匹配度的要求较高。随后，通过使用2011—2014年数据和构造自匹配专业与职业情况进行了稳健性检验，回归结果与2015年的结果基本类似，证明了模型构建的普适性。

一、引言　　

据教育部最新数据显示，2019年应届高校毕业生达834万人，与2018年创历史新高的820万毕业生相比，再次增长14万人。在就业形式严峻的同时就业质量同样需要得到关注，在就业的毕业生中有多大比例可以进入与所学专业相匹配的职业？进入匹配职业是否意味着工资的提升？学历、院校、专业及城市类型的不同是否会有不同的影响？本文将通过调查数据回答以上问题。本文可能存在的贡献是：现有研究多集中在教育—工作匹配，鲜有研究关注专业—工作匹配，拟使用理论及实证模型对该问题给出正面回答，对政府、高校、企业及个人有较强的指导意义；具体到各专业，因培养模式及授课内容不同，对一般性技能及专业性技能培训的侧重点也存在差异，这种差异会对职业领域选择有直接影响，对各高校专业教学模式及培养方式提出新的要求。

二、文献综述

（一）专业匹配　　

就业匹配主要包括专业与工作匹配和教育与工作匹配，其中对教育匹配问题的研究较多，邓肯和霍夫曼（Duncan & Hoffman）界定了个人受教育年限与工作所需教育年限，根据二者的差值确定教育匹配结果是教育过度、教育适度还是教育不足。[1]科恩和可汗（Cohn & Khan）发现适度教育的工资回报率高于过度教育，教育不足对收入有负面影响。[2]以此为基础，后续研究将就业匹配的研究点由教育匹配扩展至专业匹配。研究表明，如果劳动者可以找到与自己所学专业技能较匹配的工作，则会存在较大的工资溢价。如马拉默德（Malamud）认为专业不匹配会给工作者带来较低的起始薪资。[3]徐晓雯、岳昌君和许锐发现学用不匹配的毕业生起薪显著低于学用匹配毕业生，大约低5.8%。[4]总结以上文献可知，一般而言，适度教育优于过度教育；从事与专业匹配的工作其收入会相对较高。

（二）一般性与专业性人力资本　　

贝克尔（Becker）将人力资本分为一般性人力资本与专业性人力资本，前者的适用范围及可流动领域较大，后者的适用范围及可流动领域较小。[5]选择能够提供特定职业技能的专业（如计算机、机械工程等），毕业后所学专业与工作匹配的可能性更大；而选择提供一般性技能的专业（如人文社科类专业），毕业后所学专业与工作匹配的可能性更小。[6]使用瑞典个人注册数据的研究证明，在短期内，专业性较强的专业在收入上会有一定的优势，但在长期来看，一般性较强的专业在收入上更有竞争力。[7]但是霍尔(Hall)通过研究瑞典一项延长高中职业教育时间的教育改革发现延长学习时间、增加课程等方式并未降低失业率。[8]罗马尼亚因市场化改革，将更多学习专业性技能的学生转移至一般技能教育，但是分析表明改革前后专业性技能的学生与一般性技能的学生相比，其在失业状况及收入水平上并无差异。[9]

（三）专业的差异化　　

根据OECD的数据，在发达国家大部分年轻人会进入大学，选择专业学习领域，大部分研究表明专业本身给收入带来较大的影响。阿尔通吉，布洛姆和梅吉尔（Altonji，Blom & Meghir）研究发现，在控制人口特征、工作经验、学历程度之后，电气工程专业毕业男生的工资增长率比普通教育专业男生的增长率高0.56个百分点，这种差距与大学同高中的差距（0.58）基本持平。[10]还有一些学者研究得出专业之间的工资差距甚至要大于学历带来的工资差距。[11-13]通过建立专业选择与市场产出的理论模型发现，拥有理科学位的人从事与专业匹配工作的收入回报率会比不从事相关产业高30%。[14]杨素红研究认为理工类、经管类与农医类毕业生从专业匹配中获益较大，而教育学与文史哲法艺术类毕业生只在部分行业获得专业匹配工资溢价。[15]

（四）专业与个人能力　　

大部分研究假设高中生在选择专业时对未来积累的人力资本及所从事行业的收入回报是未知的，能否上一所名牌大学主要依靠自我能力。研究认为在专业间存在较大的工资收入及能力差异，且大部分专业间的能力排序是因为对大学或工作环境的偏好，而不是货币回报。布鲁克(Broecke)研究发现，忽略不可观测变量及样本选择问题尤其是能力会使得回归结果被高估。[16]为解决不可观测值的选择问题，有许多计量方法被提及使用：双胞胎[17]，兄弟姐妹的固定效应[18]以及申请并被相同学校录取的组内回归[19]等，基本都发现估计结果会偏大。综观国内外的相关文献，存在以下问题需要进一步分析和回答。首先，现有研究对不同学历、院校之间的差异及相同学历不同专业间可能存在的差异性考虑稍显不足；其次，国外对于专业的研究多集中在特定学科，如理学和农学专业，而具体专业因教课模式和培养方式的不同，获得的人力资本是一般性还是专业性对于职业选择和收入水平有不同影响，需要进一步研究；最后，对于因个人能力差异不能解决而导致估计结果偏大的问题，因数据库中包含个人基本职业能力与核心知识水平变量，可作为代理变量从而得到较为准确的估计结果。

三、数据说明及实证分析

（一）数据介绍　　

麦可思数据库挂靠于麦可思公司，主要从事高教管理数据与咨询产业，是《中国大学生就业报告》唯一撰稿人，自2007年以来，每年对毕业半年后大学生的就业状态和工作能力进行全国性研究，研究成果得到官方媒体的广泛报道。[麦可思调查数据需注意的地方：研究对答题和未答题的样本进行了检验，没有发现存在自我选择性样本偏差问题；对于样本中与实际比例的明显差异可能带来的统计误差，采用权数加以修正（即对回收的全国总样本，基于学历、地区、院校类型及专业的实际分布比例进行再抽样，实际分布比例来自中华人民共和国国家统计局网站）。]其调查对象包括本科院校、高职高专院校及本科院校的高职高专部的毕业生等；调查方式以电子邮件向毕业生发放答题邀请函、问卷客户端链接和账户号。主要回归部分使用2015年毕业生毕业半年后的调查数据及三年后的追踪数据，涵盖了全国30个省、自治区和直辖市及30个职业大类。[数据来源于麦可思-中国2011—2015届大学毕业生半年后培养质量跟踪评价。因数据所限，只有2015年毕业生毕业三年后的追踪调查数据。]根据研究目的，半年后数据剔除缺失值后有效样本24 890份。在有效样本中，男、女毕业生比例分别为52.64%和47.36%；本科生占比为89.56%；211院校占27.69%。　　

专业与职业是否相关（下文简称为专业匹配）是核心解释变量，在问卷中通过“您现在是否有工作：受雇全职工作，与专业有关；受雇全职工作，与专业无关”这一问题获得。如表1所示，在全体样本中，有67.03%的高校毕业生认为自己的第一份工作和专业相匹配，相关性较高，专业匹配组的平均工资为3 154元，高于不匹配组的2 937元。经过分组的差异化检验可以发现：专业匹配不仅在性别间存在约6%的差异，在学校类型和学历层次间也存在显著差异，211院校与一般本科院校毕业生的专业匹配度存在5.3%的差距，本科与专科学历毕业生间存在8.67%的差别。同时，不同学科情况也不同，医学和工学毕业生匹配度较高，理学和农学较低。除此之外，专业匹配在不同行业间也存在差异，专业技术人员、生产运输设备操作人员最高，而商业与服务业和其他行业人员专业匹配度较低。

（二）模型设定　　

毕业生在选择工作时会受到工资报酬、个人偏好或者其他非金融因素的影响。其中，工资由个人专业、个人在校期间积累的人力资本水平及是否在与专业匹配的行业领域工作等因素决定，并随时间有所变化，具体的可表示为下面的公式：

其中，W代表工资水平，H_c代表在校期间积累的技能能力，H_k代表积累的知识水平，技能能力包括通用技能C_g和专业技能C_s，知识水平包括基础知识K_g和专业知识K_s。t代表时间, r表示职业是否与专业相匹配，m代表专业，如果两者相匹配则人力资本水平可表示为H₀+C_g+C_s+K_g+K_s，否则的话为H₀+C_g+K_g；μ_t是不可观测的影响因素，如某些人有特殊的技巧可以寻找到与专业匹配的职业或者受自身偏好的影响，希望从事幸福感较高而不是赚钱多的职业。由式（1）可以预测从事与专业相匹配的人会获得相对较高的收入。　　

根据以上内容，可知专业、技能和知识水平、其他相关因素及不可观测的因素都会影响个人是否选择与专业匹配的职业，进而影响到个人的劳动力市场产出水平。由此，确定回归模型：

式中，因变量是取对数的月工资收入，核心变量Rel_i代表是否与专业相匹配，Abi_i包括基本工作能力与核心知识水平。X_i是一系列控制变量，包括性别、是否有与本专业相关的实习经历、用人单位规模、公司单位性质、父母受教育程度、是否获得过校级以上奖励等，参数β是对应的估计系数，ε_i是残差项。

（三）实证分析　　

数据说明中提到调查是以电子邮件的方式发放，毕业生是否填答问卷受到很多因素的影响，从而存在样本选择偏差。借鉴Heckman两阶段模型思路，通过第一阶段选择方程构建选择偏差修正项——逆米尔斯比以控制样本选择偏差。选择模型是Probit模型，设定为：

其中，Prob（obs=1）是成为有效样本的概率，γ′是回归系数，Z是解释变量。一阶段选择的自变量需要是影响毕业生回答问卷与否的外生变量，一般情况下，工作单位较好的人更倾向于回答问卷，女生的配合度高于男生。另外，学历层次、毕业院校、公司单位性质和工作所在区域等都会产生影响。因此，模型（3）的解释变量包括性别、学历、毕业院校类型、毕业院校所在区域、所学专业、公司单位性质和工作所在城市类型等。　　

经过回归得到的逆米尔斯比的估计系数显著为正，说明有效样本的工资收入要高于已就业毕业生的平均工资水平。进一步可在基础模型（2）的基础上加入逆米尔斯比，从而得到更为准确的结果。模型可设定为：

其中，IMR_i是逆米尔斯比，其余的变量设定与基本模型（2）下的定义一样。　　

基础回归和Heckman两步法假定专业匹配选择是随机的，可以在不遗漏重要变量的情况下估计其工资溢价效应。但是，如果专业匹配选择不是随机的，而是与其对专业匹配工作的预期收益有关，那么专业匹配对工资收入的影响就存在因遗漏变量和反向因果带来的内生性问题。考虑到短期内接收毕业生的区域劳动力市场供求关系变化不大，使用工具变量的经典方法即滞后变量来构造IV，选择同一区域相同学历相同专业2014届已就业毕业生的专业匹配率作为专业匹配的工具变量，该变量与2015届毕业生是否选择专业匹配的工作直接相关，但对工资收入没有直接影响。一阶段回归及最终的回归方程如下所示：

其中，式（5）为IV的一阶段回归，式（6）为二阶段回归方程，也就是最终得出回归系数的方程。π₁和π₂分别为系数，Z_i为工具变量，ξ_i为一阶段残差项。　　

基于以上回归方法，对整个样本做专业匹配与毕业生工资的回归，结果如表2所示。基准结果显示，从事与专业匹配的职业的个体工资水平会比不从事匹配职业的人高5.89%，除父母受教育程度为正向影响但不显著外，模型中的其他变量皆对毕业生工资有正向且较为显著的影响，学历、性别及能力的影响系数较大。需要说明的是，所有回归还控制了父母职业性质和工作所在区域。在基础模型中引入样本选择偏差修正项以后，Heckman两步法的估计结果显示，专业匹配对工资收入的影响提高了0.14个百分点；其他变量的系数大小也发生了变化，但是正负和显著性没变。这意味着如果不考虑样本选择偏差，将会使专业匹配工资溢价效应和其他变量的估计系数产生偏差。再到解决内生性问题的工具变量法，其第一阶段Ｆ检验统计量的值大于10，且不存在弱工具变量问题，说明该工具变量是有效的。IV回归估计结果表明，专业匹配能够显著带来工资溢价这一结论仍然成立，而且溢价效应是OLS回归结果的3倍左右，表明确实存在内生性问题，同时也说明专业匹配对工资的重要影响，其他变量对工资收入的影响方向和显著性与OLS回归一致。

为更详细地观察专业匹配对工资水平的影响，对本专科生进行了分样本回归，结果如表3所示。表3中第（1）列及第（4）列结果显示，专科学生从事与专业相关与不从事与专业相关的职业相比，多2.66%的正向影响；本科生多5.13%，可见拥有较高学历且从事与本专业相关职业的个体，会提高其平均教育收益率。

这一结论也许与专科生多为职业教育、专业匹配对工资有更大影响的期望相悖，但具体到现实生活中，除车床焊工等职业外，其余的岗位多为常规程序化的工作，其对经验的要求也许大于对学历的要求；而本科生从事的多为抽象的脑力活动，对于专业知识的要求更高。Heckman两步法的估计结果与基础回归相比，专科样本有0.58%的提升，本科有0.3%的提升，逆米尔斯比的估计系数显著为正；IV的估计结果仍然支持这一理论；其他变量的影响方向和显著性与OLS回归基本一致。　　

除本专科学历类型对工资收入有不同的影响之外，不同的学校类型也会对收入产生差异化影响。因此以样本中的211院校及非211院校为研究主体，进一步考察专业匹配性对工资收入的影响。由表4可知，对211院校来说，从事相关职业的教育回报率是5.99%；而对非211院校来说，该回报率为3.41%；自身基本工作能力与核心知识水平的系数都显著为正，且211院校的系数明显大于非211院校，这在一定程度上解释了为什么211院校的回报率系数大于非211院校，工作能力强并且知识水平高的人会获得相对较高的工资回报。Heckman两步法及IV的估计结果与全样本和分本专科的回归结果在方向和显著性上一致，其中，IV的系数值是OLS的两倍多，对工资的解释力度增强。

（四）异质性分析

1.分专业　　

有研究表明，选择的专业不同是导致收入差异大的主要原因，专业回报率的差异远大于大学质量回报率的差异。因此进一步将专业分为7个大的群组，包括经济学、理学、工学、管理学、法学、医学和其他（专科为6个，没有理学），通过设置各专业与专业匹配与否的交叉项来检验专业内部是否从事相关职业对收入的差异化影响。同时，考虑到数据存在的内生性及样本选择问题，使用OLS回归、Heckman两步法回归和IV回归，因篇幅所限，不再展示详细的回归结果。分析发现，与作为基组的其他专业相比，如果从事与专业相关职业的毕业生，其工资收入会相对较高，如理学、工学及医学专业，其交叉项结果显著为正；经济学专业在专科学历中影响较大，在本科学历中影响较小，这可能与本专科院校开设课程体系、教育模式及可选工作范围有关。该结论与已有的研究成果较为相似，该研究认为医生、律师及工程类行业对专业技能的要求较高[法学在美国、加拿大毕业生中的匹配度较高，但在此回归中系数较低。可能存在以下两方面原因：第一，专业范畴的差异，国外的法学主要就是指法律方面的专业，这些专业的毕业生通常是研究生，毕业后主要从事律师等法律相关工作。而国内的法学专业则相对较宽泛，如社会学、社会工作和思想政治教育等专业都被放在法学这个大类里面，这样就可能影响了法学专业的匹配性。第二，由于法学类专业受市场影响扩招量较大，导致这些专业的毕业生数量远远超过市场的需要，找工作难度大。]；环境、管理类及经济类行业对专业能力的要求较低，更多的是对通用技能的学习及培训。

2.分城市类型　　

现实中，不同城市类型对人才的需求及吸引力存在差异，通过将城市类型划分为副省级城市、直辖市及地级市三种类型并且加入三种城市类型与专业匹配与否的交互项对该问题进行检验说明。结果显示，相对于地级市，副省级城市和直辖市城市对专业与职业的相关性要求较高，这与当地的产业结构及经济发展模式密切联系，大城市对专业匹配度的要求会更高。即行政级别越高的城市，其行业结构越成熟，对高精尖人才的需求力度越大，其专业化和产业化分工要求其雇佣与职位功能相匹配的员工。

四、稳健性检验　　

为进一步检验研究结论的稳健性，对2011—2014年调查样本进行相同的数据处理并回归，从而更进一步验证模型设置的合理性。2011—2014年的专业匹配度分别为67.05%，66.64%，66.90%和66.13%，可见高校毕业生专业不对口问题持续存在，每次调查约1/3的毕业生都没有从事与自身专业相匹配的工作。考虑到2011年无法找到IV，因此使用Heckman两步法进行回归，可以在一定程度上解决样本选择偏差问题，结果如表5所示。结果表明，2011—2014年所得结论与上文主要结果的影响方向及作用大小一致，模型设定较为合理。根据结论，能否从事与自身专业相关的工作，发挥专业优势以及各专业招生规模合理与否是高校各专业课程设置需要重点考虑的问题。

除此之外，根据2015年数据中的专业及职业种类对数据进行了较为客观的自匹配，如专业是经济学，则其从事的职业种类名称是银行、基金或者证券等才是专业匹配，否则为不匹配。由表6可知，自匹配的估计系数皆比自评匹配的值要小，但基本影响是一致的，说明个人在回答问题时可能对自己的专业与职业是否匹配存在疑问；或者是其他个人选择问题导致匹配度虚高，这种自匹配检验也在一定程度上解决了现有文献中多是自回答而产生的回归偏误问题。

五、结论　　

通过使用麦可思2011—2015年关于本专科毕业生毕业半年后的调查数据，统计描述了高校毕业生专业匹配情况的现状，基本上每年的专业匹配度都在2/3左右，有1/3的人找不到对口工作。通过建立简单的理论模型确立回归方程，从学历程度、学校类型、专业及城市类型等维度详细分析了专业匹配与否对工资水平的影响。总体而言，专业匹配确实能为大学毕业生带来相对较高的工资收入，但是这种影响存在学历、学校类型及专业层面的差异。具体表现如下。　　

首先，总样本的回归结果显示，从事与专业相关职业的人会比未从事相关职业的人多5.89%的工资溢价。其次，学历程度不同，对专业匹配的工资溢价影响也不同，本科学历的影响大于专科学历的影响；学校类型对专业匹配的工资溢价影响也存在差异化。再次，异质性分析表明，工学、医学及经济学其专业匹配度高对工资的影响较大，其他专业的影响较小；行政级别高的城市因产业结构及经济发展模式的需要，其对专业匹配度的要求也较高。最后，利用2011—2014年的数据和自匹配数据进行稳健性检验证明了模型构建的普适性。　　

基于以上发现，提出以下建议：第一，政府及高校在高考填报志愿阶段需加强对于专业学习内容及就业行业的宣传性介绍，修正可能存在的常识性误解，提高学生填报真正感兴趣专业的概率。第二，高校要密切关注劳动力市场对人才的需求动向，设置相配套的教学方案和多样化的培养方式，培养一专多能的宽口径复合型人才。第三，大学生应注重个人综合能力的培养，从雇主角度出发提升自身素质，在学有所专的基础上广泛学习通用技能，形成核心竞争力，进而提升就业质量。

参考文献：

[1] DUNCAN G J,HOFFMAN S D. The Incidence and Wage Effects of Overeducation[J]. Economics of Education Review,1981(1):75-86.

[2] COHN E,KHAN S P. The Wage Effects of Overschooling Revisited[J]. Labour Economics,1995,2(1):67-76.

[3] MALAMUD O. Breadth versus Depth:the Timing of Specialization in Higher Education[J]. Labour,2010,24(4):359-390.

[4] 徐晓雯,岳昌君,许锐. 高校毕业生学用匹配状况的影响因素及起薪效应[J]. 教育学术月刊,2018(6):3-10.

[5] 加里·贝克尔. 人力资本理论:关于教育的理论和实证分析[M].郭虹,译. 北京:中信出版社,2007.

[6] BOUDARBAT B,CHERNOFF V. Education-job Match among Recent Canadian University Graduates[J]. Applied Economics Letters,2012,19(18):1923-1926.

[7] GOLSTEYN B H H,STENBERG A. Earnings over the Life Course:General versus Vocational Vducation[J]. Journal of Human Capital,2017,11(2):167-212.

[8] HALL C. Does more general education reduce the risk of future unemployment? Evidence from an expansion of vocational upper secondary education[J]. Economics of Education Review,2016,52:251-271.

[9] MALAMUD O,POP-ELECHES C. General Education versus Vocational Training:Evidence from an Economy in Transition[J]. The Review of Economics and Statistics,2010,92(1):43-60.

[10] ALTONJI J G,BLOM E,MEGHIR C. Heterogeneity in Human Capital Investments:High School Curriculum,College Major,and Careers[J]. Social Science Electronic Publishing,2012,4(133):185-223.

[11] PAVAN R. Career Choice and Wage Growth[J]. Journal of Labor Economics,2011,29(3):549-587.

[12] WISWALL M,ZAFAR B. Determinants of College Major Choice: Identification Using an Information Experiment[J]. Social Science Electronic Publishing,2011,82(2):791-824.

[13] ALTONJI J G,KAHN L B,SPEER J D. Cashier or Consultant? Entry Labor Market Conditions, Field of Study, and Career Success[J]. Journal of Labor Economics,2016,34(S1):361-401.

[14] KINSLER J,PAVAN R. The Specificity of General Human Capital:Evidence from College Major Choice[J]. Journal of Labor Economics,2015,33(4):933-972.

[15] 杨素红.专业匹配能带来工资溢价吗——基于江苏高校毕业生就业选择的内生处理效应估计[J]. 北京大学教育评论,2019,16(4):79-104,186.

[16] BROECKE S. University selectivity and earnings:Evidence from UK data on applications and admissions to university[J]. Economics of Education Review,2012,31(3):96-107.

[17] BEHRMAN J R,ROSENZWEIG M R,TAUBMAN P. College Choice and Wages:Estimates Using Data on Female Twins[J]. Review of Economics and Statistics,1966,78(4):672-685.

[18] LINDAHL L,REGNR H. College Choice and Subsequent Earnings:Results Using Swedish Sibling Data[J]. Scandinavian Journal of Economics,2005,107(3):437-457.

[19] DALE S B,KRUEGER A B. Estimating the Payoff to Attending a More Selective College:An Application of Selection on Observables and Unobservables[J]. Quarterly Journal of Economics,2002,117(4):1491-1527.

引用格式：苏妍，马明宇，宁宇哲.专业匹配对工资水平的影响——基于麦可思调查数据的实证分析[J].教育学报，2022，18（1）：161-172.

— 2022年第1期文章回顾 —

【更多内容  扫码关注】

联系电话：

010-58805288

投稿网址：

xkjy.chinajournal.net.cn