在校工作經驗對教育投資回報的影響

摘要：傳統明瑟收入函數中收入取決于個人受教育程度、潛在市場工作經驗和潛在市場工作經驗平方項，其中受教育程度由受教育年限代表，不包含在校讀書期間工作經驗，然而，學生在畢業前往往能積累一定工作經驗。因此，教育收益估計值包含了在校工作經驗收益，導致教育收益估計值存在偏差。為了消除教育收益率估計偏差，使用哈爾濱市就業市場問卷調查數據，估算了兩個收入方程——含在校工作經驗變量的收入方程和不含有在校工作經驗變量的收入方程。估算結果顯示，后者較前者在教育投資回報系數上高出28%—44%（取決于對能力偏差的控制程度），這些結果表明傳統明瑟收入函數過分夸大了個人受教育程度對收入的影響。

關鍵詞：在校工作經驗；教育回報；收入函數

中圖分類號：F24921文獻標識碼：A文章編號：1000-4149（2017）02-0097-10

DOI：103969/jissn1000-4149201702010

收稿日期：2016-04-26；修訂日期：2016-08-10

基金項目：國家社會科學基金項目“生育率下降與預期壽命延長雙重約束下養老保險制度可持續性研究”（16BRK016）；教育部人文社會科學青年基金項目“人口老齡化和城市化雙重約束下養老保險體系可持續性研究”（15YJC840037）。

作者簡介：王云多，經濟學博士，黑龍江大學經濟與工商管理學院副教授。

一、引言

隨著知識失業問題日益嚴重，學校教育與工作實際脫離越發引起社會關注，無論是社會、學校還是學生個人，都開始重視在校讀書期間積累一定的工作經驗。個人該在什么時候停止受教育并且進入職場是一個極其復雜的問題。明瑟收入函數可能掩蓋了人力資本投資中教育和工作經驗之間的內在聯系：許多年輕人在完成學業前通過假期工作，半工半讀和長達幾個月到幾年斷斷續續地學習積累了大量工作經驗。在明瑟收入函數中，協變量包含了對受教育程度和潛在工作經驗的估量，而未包括對在學校獲得工作經驗的估量，盡管學者們已經廣泛關注學生在校讀書期間的就業選擇和就業范圍，大多數分析者將采用明瑟收入函數估計的教育系數解釋為通過入學花費在獲取人力資本時間上的回報，但是在實證研究中很少明確地提到在校工作經驗對未來收入的影響。因此，有必要從傳統明瑟收入函數中剝離學校教育和在校工作經驗對收入的影響。

二、相關問題研究述評

就學生在校期間工作經驗與畢業后收入之間的聯系而言，科爾曼 （Coleman）、埃倫伯格和謝爾曼（Ehrenberg and Sherman）、阿圖瓦（Ahituv）等和賴特（Light）等研究指出，很多學生在結束正規教育前就已經進入就業市場，而且學生在校讀書期間積累的工作經驗會影響他們畢業后的工作選擇和收入水平[1-4]。科爾曼、賴特和魯姆（Ruhm）研究指出學生在校期間就業與畢業后收入之間存在正向聯系[1，4-5]。但針對二者之間的關系也存在一些不同看法，阿圖瓦等研究指出，當考慮到一些難以觀察的因素時，在校讀書期間就業和畢業后豐厚薪水之間的正向關系便不復存在[3]。先擱置在校工作是否有償的爭論，上述學者的研究表明，正如教育對工資的因果作用可能被不可觀測的能力所擾亂一樣，確定教育的收入效應也將被不可測量的在校工作經驗所干擾。

就個人選擇在校讀書期間就業的原因而言，一些研究指出，個人可能需要錢來支付額外的學校開支或者支撐當前的消費，或許還有可供選擇的其他理由，如他可能視就業為一種投入與獲得收入技巧的機會，而這種技巧課堂上不能提供，以此來獲得市場經驗。另一些研究指出，學生中參與工作者比較傾向于獲得一種責任意識并且來改善他們的工作業績和提高個人能力，所有這些都會在他們離開學校的職業生涯中得到回報[6-7]。

就學校教育和在校工作經驗關系而言，貝克爾（Becker）和波拉斯（Porach）指出學校和公司之間沒有明顯區別，因為一些原因，學?？梢员豢醋饕环N特殊形式的公司，并且學生被當作一種特殊形式的被培訓者[8-9]。哈雷（Haley）研究指出，學校和工作之間沒有固定的區別，個體放棄賺錢而投入全部時間學習技能是為了獲得更多的工作經驗。當人力資本存量充足不需要進一步專業化時，個人可離開學校并且將他的努力投入到賺錢和著手于在工作地點進行其他人力資本投資[10]。哈雷研究指出，當個人停止專業化教育投資時并不需要和他離開學校的時間相一致。相反，個人可能會通過削減課堂時間并且增加一份業余工作來減少他的教育投資強度[10]。索思威克和茲恩茨（Soychwick and Zionts）提出和波拉斯非常相似的模型，他們認為在最優人力資本投資路徑下，業余學習被當作脫產學習和不學習之間的橋梁[11]。但由于哈雷、索思威克和茲恩茨假定學生們參加工作是為了減少人力資本投資的強度，導致這一理論解釋力有限，并沒有發現學生選擇參加工作是因為工作經驗可以提供給他們一些不同于課堂培訓的技能。

本文試圖研究當加入或排除在校工作經驗對工資的影響時，學校教育的作用會有怎樣變化，探討教育（或在校學習花費的時間）和在校工作經驗（或者說在校工作花費的時間）對收入的不同影響。

三、收入函數設定及實證檢驗

1.收入函數設定

傳統明瑟收入函數采取半對數方程，將個人收入看作取決于個人受教育程度、潛在市場工作經驗和潛在市場工作經驗二次項的函數，將影響個人收入的能力和機會等因素放入殘差項。市場工作經驗的二次設定已經被廣泛接受并被應用于估算人力資本收益率。市場工作經驗二次設定的主要優點在于：首先，易于估算教育收益率和市場工作經驗收益率，且市場工作經驗的二次設定可以減少明瑟收入函數中的參數，若樣本數量較少，市場工作經驗的二次設定可以控制收入函數的自由度。其次，市場工作經驗估計值能夠被用于描述截面或者面板數據的收入增長，也能夠被用于描述收入隨時間的變化和在某一時點不同群組收入的變化，因此，明瑟收入函數中市場工作經驗的二次設定可以近似代表實際收入剖面[12-13]。

傳統明瑟收入函數中使用的市場工作經驗通常被設定為個人畢業后在勞動力市場獲得的工作經驗，而并非個人實際工作經驗，但二者在實踐中往往不相等。將工作經驗簡單地等同于畢業后勞動力市場潛在工作經驗沒有考慮個人在學校讀書期間通過參加社會實踐活動獲得的工作經驗（在校工作經驗），即個人的實際工作經驗應該是離開學校后獲得的潛在市場工作經驗和在校讀書期間積累的工作經驗之和。因此，使用潛在市場工作經驗二次設定描述截面收入增長往往存在顯著的偏差，不完全符合工作經驗與收入之間的關系。有必要深入研究個人潛在市場工作經驗、在校讀書期間積累的工作經驗與個人收入之間的關系，優化明瑟收入函數，準確估算教育和工作經驗對個人收入的影響。

之所以關注在校工作經驗對個人收入的影響，是由于在現代社會中部分大中專院校學生渴望獲得一些實際工作經驗，旨在為他們今后的工作選擇獲得不同于課堂學習的市場技能。因此，明瑟收入函數會很容易被擴展為包含在校工作經驗。就像通常

采取明瑟收入函數估算教育收益率和市場工作經驗收益率一樣，可以在明瑟收入函數中加入在校工作經驗變量來估算在校工作經驗收益率。

可以通過在校的工作經驗和學校正規教育投資互動來允許這些可供選擇的技能補充。另外，在處理能力偏差時，可以相似看待學校投資和在校工作經驗，因為這些因素對在校學習和在校工作決定有相似影響。

為了合并這些擴展，設定含有在校工作經驗的明瑟收入函數如下：

式（1）中代表個人收入的自然對數（離開學校后獲得的），s代表學校教育（由教育年限代表），sx代表在校工作經驗，x代表離開學校后潛在市場工作經驗（通常由工作年限代表），代表學校教育和在校工作經驗交互項，

α0、α1、α2、α3、α4、α5和α6分別代表常數項、學校教育、潛在市場工作經驗、潛在市場工作經驗平方項、在校工作經驗、在校工作經驗平方項和學校教育與在校工作經驗交互項的系數估計值，μ代表難以觀測到的因素（不包含能力、機會以及影響教育和工作經驗選擇的其他因素），被設定為殘差項。

采用更加傳統的不包含在校工作經驗的收入函數估算結果，其函數設定如下：

式（2）中變量lnw，s和x代表的經濟含義與式（1）相同，β0、β1、β2和β3分別代表常數項、學校教育、潛在市場工作經驗和潛在市場工作經驗平方項的系數估計值，ε代表與學校教育和潛在市場工作經驗不相關的殘差項。在估計式（2）時，本文使用與式（1）相同的策略糾正教育系數中存在的能力偏差。對于每一個使用的估算式，可得一組估計量（α^和β^），式（1）的估計量包含在校工作經驗，式（2）排除了在校工作經驗的影響。對于每一組估計量本文運用 β^-α^α^×100來估算教育系數的級數，當在校工作經驗在模型中受到限制時，本文把省略在校工作經驗偏差百分比變化植入式（2）。

以上并沒有從傳統意義上定義偏差。但是本文從式（2）中剔除在校工作經驗導致每一個β^不能真正代表教育收益率，存在潛在的偏差。然而，β^通常被視為教育收益率的無偏估計值。就像本文在引言中提到的那樣，多數分析者傾向于將這一效應解釋為教育回報，即入學后技能投資的回報。

通常的做法就是將式（1）中教育收益率估計值α^和式（2）中教育收益率的估計值作比較。就每一β^而言，本文將能力偏差設定為 并且將它和本文省略在學校工作經驗的偏差相比較。格里利謝斯（Griliches）強調這種能力偏差的測量方法會被誤導，因為β^隨樣本個性特征或者模型設定變化而變化[14]。本文并沒有聲稱存在絕對的能力偏差或者絕對的學校工作經驗偏差，并且，實際上，本文論證了這些偏差的敏感程度。盡管如此，本文相信這種對樣本的比較非常有啟發性。

2.數據來源說明及統計分析

本文使用的數據來自對黑龍江省哈爾濱市就業市場的問卷調查，調查時間為2014年7月至9月，組織在校大學生利用暑假時間深入到企事業單位做調查，調查對象是處于就業狀態的勞動力。共發放問卷2200份，回收2158份，為了獲得更真實的個人工資收入、教育年限和在校工作經驗等信息，對回收的2158份問卷進一步篩選，剔除調查對象未應答或者應答模糊、應答信息嚴重缺失的問卷，實際回收的有效問卷1547份，超過發放問卷總數的1/2。調查信息包括被調查者的出生年份、出生月份、性別、受教育程度、在校工作經驗、收入和職業等基本信息?！澳挲g”變量被定義為以年為單位的連續變量，即從調查對象出生到接受調查年份的實際時間跨度?！笆芙逃潭取奔唇逃晗拮兞?，被定義為以年為單位的連續變量，將入學年齡設定為6周歲，小學教育設定為6年，初中教育設定為3年，高中教育設定為3年，大專教育設定為3年，本科教育設定為4年，碩士教育設定為3年，博士教育設定為3年?！肮ぷ鹘涷灐奔礉撛谑袌龉ぷ鹘涷炓脖辉O定為以年為單位的連續型變量，代表勞動力市場經歷。受調查對象工作轉換和失業持續期的影響，將潛在市場工作經驗的計算公式設定為調查對象的實際年齡減入學年齡和教育年限?！皞€人收入”被定義為一個連續變量，用月均工資收入代表?！霸谛９ぷ鹘涷灐币脖辉O定為以年為單位的連續型變量，將在校工作經驗定義為從被訪問者16歲生日到對應他離開學校月份中間累計的工作時數，再折合為一定的年數，折合方法如下：假定正常情況下個人每天工作時間為8小時，每周5個工作日，去掉法定節假日，假定一年為50個工作周，因而8×5×50=2000小時，因此，在計算在校工作年數時，由被訪問者回答的走向勞動力市場前累積工作時數除以2000來代表，收入函數中解釋變量的關鍵步驟是如何確定每一個被訪者在學校和市場工作活動之間的底線。由于被訪問者平均年齡為3244歲，比較年輕，他們畢業時間不是特別長，記憶應該比較清晰，所應答的累積在校工作經驗大約時數應該比較準確。將被訪問者回答的“職業”合并為三類，分別是競爭性行業（包括制造業、建筑業、批發零售業、社會服務業等），壟斷性行業（包括電力煤氣及水的供應、采掘業、交通倉儲和郵電通信、金融保險、房地產業等）和行政事業單位（包括教育文化廣播影視業、國家黨政機關和社會團體等部門）。

回收的有效問卷分布比較具有代表性，按樣本總體和分性別統計的主要測量指標均值特征如表1所示。

按照教育程度、性別和行業統計的樣本分布也比較具有代表性（見表2）。

此外，在本次研究的1547個樣本中，在校工作經驗的平均水平是062年或者1240個小時。高中學歷的被訪者從16歲到他們離開學校走向社會這一相對較短的時間內勉強累積了425小時的在校工作經驗。而專科和本科學歷的被訪者分別積累了996和1344小時的在校工作經驗，碩士學歷和博士學歷的被訪者分別積累了1754和1988小時的在校工作經驗。這表明隨著年齡增加每年平均工作時數總體上呈遞增趨勢，有助于在學校教育和學校工作經驗之間建立積極的關系。

3.實證檢驗

在估計式（1）和（2）時，本文用三個代理變量和兩個工具變量（IV）方法來控制教育系數中的能力偏差。在估計式（1）時，本文使用魯姆和賴特提出用來處理在校工作經驗內生性的方法[4-5]。

第一個應對能力偏差的代理變量方法是通過加入一組家庭背景控制變量糾正由于能力偏差引起的教育收益估計值偏差。這些控制變量包括被訪問者家庭人均收入和被訪問者父母的最高學歷，旨在運用這些背景變量消除樣本在教育偏好、個人能力和獲得教育基金機會上的異質性。第二個應對能力偏差的代理變量方法是在解釋變量中包括教育能力和工作能力測試分數，教育能力分數由被訪問者在一般科學、邏輯推理、詞匯知識、段落分析和數學知識方面測試原始分數的加總得到。工作能力分數通過被訪問者在數值運算以及工作業績方面的測試分數加總得到。第三個應對能力偏差的代理變量方法包括被訪問者教育能力和工作能力測試分數和家庭背景控制。

在第一個工具變量方法的協變量中包含教育能力和工作能力測試分數。由于家庭背景因素反映了在影響學校教育需求的品味、獲得教育基金的機會以及其他因素方面的異質性，能解釋觀察到教育能力和工作能力的很多變化，因此，本文將家庭背景變量設定為教育能力和工作能力的工具。

本文的第二個工具變量方法包括使用被訪問者是否有兄弟姐妹作為學校教育的工具變量。虛擬變量表示被訪問者是否有兄弟或姐妹（如果他沒有兄弟姐妹則設置為零）。統計數據表明，在家庭規模既定的情況下，有兄弟姐妹的女性被訪問者接受的教育少于沒有兄弟姐妹的女性被訪問者，這表明被訪問者完成的最高學歷和兄弟姐妹數量之間存在顯著負向關系，或許是因為有限的家庭資源將被轉移。

在對在校工作經驗（SX）控制的規定中，本文就像關注學校教育系數一樣關注在校工作經驗系數估計的能力偏差。參照魯姆的研究[5]

，本文認為加入家庭背景、教育能力和工作能力測試成績能消除大部分天生能力、獲取基金和其他影響在學校讀書時工作決定因素的異質性。因此，上面所描述的代理方法是潛在有效地控制學校教育和在校工作經驗中能力偏差的方法。

下面，本文采用工具變量法和廣義最小二乘法估算含有和不含在校工作經驗的收入方程。

4.結果分析

表3列出從式（2）可選擇變量中去除在校工作經驗變量的GLS和IV/GLS估計值。在表3中a列為使用廣義最小二乘法估算的式（2）主要變量參數估計值，本文忽略被訪者在學校教育水平和未被發現的影響工資因素之間的相關性，只是簡單地對學校教育、潛在市場工作經驗和潛在市場工作經驗平方項對收入自然對數的影響做了回歸分析，其中，教育系數估計值為0095。

很多研究者會認為表3中列出的學校教育系數估計值并沒有顯示出影響學校教育的真正因素，因為這個規定并沒有考慮到學校教育和先天能力或者家庭背景之間的關系。在式（2）的基礎上，本文引入家庭背景變量，在b列中列出包含家庭背景代理變量的估計值，進一步加入教育能力和工作能力測試成績代表先天能力，在c列中列出包含教育能力和工作能力代理變量的估計值，在d列列出同時加入家庭背景變量、教育能力和工作能力測試成績變量的估計值。實證研究結果表明，相對于a列估計值而言，每一個連續的變化會增加截距估計值，工作經驗系數有微小變化，最重要的是估計的學校教育系數下降。拿b、c和d列來說，作為控制學校教育內生性的方法，與a列這一模型基本設定相比，這些調整導致能力偏差分別向上增加12%、21%和49%，這些變化在表3中最后一行給出。

表3中的e和f列，經由工具變量控制能力偏差。

在e列使用被訪問者家庭背景作為工具變量，在f列使用被訪問者是否有兄弟姐妹作為工具變量。采用上述兩種工具變量估計的學校教育系數估計值都比表3中a列教育系數估計值大。

表3中a列教育系數估計值分別比e列和f列教育系數估計值減少了14%和37%。

表3中e列和f列的IV/GLS估計值與a—d列中GLS估計值有潛在不同，有必要進一步研究工具變量的有效性。表3列出的R2來自于對在校工作經驗一階回歸估計值，這些統計數據表明每組工具變量解釋了學校教育的潛在差異。對于兩個工具變量，本文在5%顯著水平上拒絕了學校教育是外生的零假設。就這一分析結果而言，卡德（Card）早已解釋了為什么一個未修正的教育系數估計值（表3中a列）可能會小于工具變量估計值（表3中e列和f列），在工具變量估計中，工具變量被視為引起有較高貼現率的人去提高教育水平干預措施。IV估計由于有高貼現率、邊際收益超過了非IV估計情況，在這種情況下，教育回報受這些因素干擾[15]。

迄今為止，本文使用了各種常規方法來分析排除在校工作經驗情況下學校教育收益估計問題，而且，討論了當忽略能力偏差時，教育收益估計值被高估和低估的問題。

表3揭示了通過代理變量和工具變量糾正能力偏差的情況。為了深入研究在校工作經驗對教育收益率的影響，本文試圖分析當把在校工作經驗變量加入模型時教育系數估計值將如何改變。每個模型添加三個解釋變量（在校工作經驗、在校工作經驗平方，以及在校工作經驗和學校教育之間的相互作用），為應對在校工作經驗和未被觀察到的因素之間的潛在相關性，本文運用代理和工具變量方法處理教育的內生性。

表4列出了包括在校工作經驗的估計結果。通過對比表4和表3中教育系數估計值，研究表明無論用哪種方法來估計模型，增加在校工作經驗會導致教育收益率估計值下降。與表3相比，表4中a列估計的學校教育系數會從0095下降到0074，就a列而言，可知省略在校工作經驗導致的偏差為28%。

當在表4隨后各列中引入各種能力偏差控制情況時，在校工作經驗偏差通常會上升（表4中d列為31%和f列為43%）。承認這一偏差的存在很重要，這一偏差被簡化為表3中估計的教育系數超過表4中相應系數的百分比，如果將每一個教育系數估計值視為教育收益率，偏差由沒有考慮在校工作經驗對收入的影響導致。表3和表4中學校教育系數估計值和能力偏差估計值和估計方法有一定相關性，表4中在校工作經驗估計值都較高，比相應能力偏差估計值高得多，這表明在校工作經驗處理不當會引起學校教育系數估計值增加，因為學生就業對畢業后收入有一定影響。

總體上看，表3中學校教育系數估計值比表4中學校教育加上工作經驗回報估計值低4%—20%。上述分析表明傳統明瑟收入函數由于忽略在校工作經驗，高估了教育收益率，低估了工作經驗的收益率。

基于學校教育變量沒有測量誤差假設得出上述研究結論，如果教育變量中包含大量測量誤差，當加入在校工作經驗時，由于在校工作經驗和學校教育高度相關，教育收益率估計值必然會減少。因此，表4引入向下偏差估計值，這一偏差估計值取決于學校教育和在校工作經驗的相關程度和學校教育的測量誤差，可能在絕對數量上會超過表3省略變量偏差（向上偏差）估計值。更確切地說，本文認為在缺少教育系數測量誤差的情況下，表4中教育系數估計值 這里的αs是式（1）所描述的學校教育效果；因省略在校工作經驗偏差，表3中教育系數估計值超過αs。如果s存在測量誤差，那么，從當前協變量排除學校教育和在校工作經驗， 代表由于s測量誤差產生的方差，代表教育對在校工作經驗回歸的相關系數。由于表4中學校教育系數估計值是依據學校教育的測量誤差產生的向下偏差估計值，因此，表3中學校教育收益率估計值超過表4中教育收益率估計值。

由于學校教育變量通常比從傳統調查獲取的變量有更少隨機誤差，因此不可能存在較大測量偏差，本文運用與學校教育相關變量來確定并且糾正每一受訪者的錯誤回答。使用調整后的學校教育變量方差為19%，比運用每一個受訪者在離開學校時完成的最高學歷所選擇的變量測量方差要小。

盡管努力減少測量誤差，但是有必要探討誤差大小和解釋表3和表4中廣義最小二乘估計值的差別。研究使用的估計值來自表3中d列，包括家庭背景變量在內。當沒有加入在校工作經驗時，學校教育系數估計值為0072（見表5）。當在模型中加入sx時，學校教育系數估計值減少到0055。如果學校教育和其他協變量均沒有測量誤差，可推知沒有考慮在校工作經驗會產生31%的省略變量偏差，計算結果見表5估計值列。

為了得到表5中最后一行的估計值，本文做了其他有關隨機誤差程度的假設，這些誤差仍然存在于學校教育測量中。反過來說，如果假設誤差占學校教育測量總方差的1%、5%、10%和15%，可推斷真正的學校教育系數應該在0056到0072這個變動幅度內，這當然比實際估計值（0055）高。用這些真實的系數估計值來代替學校教育系數估計值，計算出省略在校工作經驗的偏差。當αs=001和當αs=014的時候，這些估計值的變動幅度從29%到-07%。如果學校教育測量方差多達15%由噪音引起，當加入在校工作經驗后，學校教育系數估計值下降完全由向下測量偏差引起。如果噪音對總方差比率僅為5%，省略在校工作經驗的收入函數與沒有省略在校工作經驗的收入函數相比，教育系數估計值偏差約為1/3。并且其余的偏差由測量誤差偏差引起。如果這個假設是正確的，收入函數中加入在校工作經驗會改善學校教育的效果。

四、結語

本文通過探尋傳統明瑟收入函數在工作經驗設定中存在的不足，研究在校工作經驗對教育投資收益的影響，不僅將學校教育和在校工作經驗區分開，而且基于哈爾濱市勞動力市場問卷調查數據和收入函數設定的教育、在校工作經驗和市場工作經驗之間的關系，估算教育、在校工作經驗和個人離開校園后市場工作經驗收益率，研究結論如下。

第一，傳統明瑟收入函數忽視了在校工作經驗對收入的影響?；诖?，為準確描述實際工作經驗對個人收入的影響，應在傳統明瑟收入函數中加入在校工作經驗變量，并加以量化研究。對于沒有在校工作實踐的被訪者，傳統明瑟收入函數仍是估算教育收益率和工作經驗收益率的最佳選擇。對于有機會參加在校工作實踐的被訪問者，若采用傳統明瑟收入函數估算人力資本收益率，忽略在校工作經驗對收入的影響，必然導致高估教育收益率。而且，研究顯示，個人在校工作經驗越豐富，教育收益率被高估得越多。因此，在實證研究中應針對被訪問者有無在校工作經驗，有針對性地采取不同明瑟收入函數加以量化研究。

第二，本文利用問卷調查數據，通過對含有在校工作經驗和不含有在校工作經驗的明瑟收入函數的實證檢驗，證實教育投資是人力資本投資的主要形式。表現為無論包含在校工作經驗還是不包含在校工作經驗，采用不同的明瑟收入函數估算的教育收益率遠遠高于工作經驗收益率。

盡管教育收益率高于市場工作經驗和在校工作經驗收益率，但是在校工作經驗對個人收入的影響不容忽視，在重視學校教育的同時，也應該關注學生在校期間職業技能的培養和提高。因此，建議在大力發展教育的同時，教育發展必須超出常規模式，重視創新創業實踐教育。受傳統精英教育理念的影響，在我國，大學過度偏重于理論型人才的培養，忽視了創業能力的培養，培養的大學生在走出校園之前并沒有真正接觸社會，缺少從事工作必備的就業技能，脫離實踐的教育導致培養的大學生與市場需求不匹配，就業率不斷下降，為有效提高大學生就業率，優化人力資源配置，在大學生走出校園之前應積累足夠多的工作經驗，這需要學校為大學生提供創業機會和創業場所，通過創業教育實踐類課程的開設和學習，不僅有利于大學生盡早融入社會，適應社會，將自己在大學所學的知識用于創業實踐，而且也可以將創業實踐中學習到的知識和技能上升到理論的高度，加深對所學理論知識的掌握和運用，提高綜合素質。

參考文獻：

[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.人力資本掙得方程研究及實證分析[J].科研管理，2009（5）：82-89.

[13]王云多.基于工齡視角的人力資本收入函數經驗研究——以黑龍江省13個城市的調查為例[J].中國人口科學，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.

[責任編輯 武玉]