章亞雯

（華東師范大學 教育學部教育管理學系，上海200062）

一、引言

如今，知識失業(yè)、文憑貶值、過度教育的現(xiàn)象已屢見不鮮。近年來，博士排隊應聘中小學教師的現(xiàn)象引發(fā)了社會的廣泛關注，反映了愈演愈烈的過度教育現(xiàn)狀。麥可思最新發(fā)布的《2019年中國本科生就業(yè)報告》藍皮書顯示，近五年來，我國本科畢業(yè)生就業(yè)率從2015年的92．6%持續(xù)緩慢下降到2019年的91%，下降了1．6個百分點。從2017年起，本科畢業(yè)生就業(yè)率開始低于全國總體就業(yè)率和高職高專畢業(yè)生就業(yè)率，且近兩年來差距在逐漸擴大（圖1）。與此同時，據(jù)教育部統(tǒng)計，2020屆高校畢業(yè)生規(guī)模將達到874萬人，同比增加40萬人，存在逐年上行壓力。

當前日漸突出的大學生就業(yè)問題反映了我國勞動力市場上供需失衡的結(jié)構(gòu)性矛盾。一方面，就業(yè)市場的飽和、供求關系的失衡、就業(yè)壓力的上升，使得越來越多的學生不得不為了增強自身的信號而選擇犧牲時間成本，繼續(xù)提升學歷，以獲得青睞的工作崗位的通行證。而另一方面，雇主追求教育信號，偏好過度消費、炫耀性消費，更加助長了過度教育的傾向。過度教育的持續(xù)存在也引起了學術界的關注。

過度教育是指個體的教育水平高于完成特定工作所需的教育水平的情況。［1］過度教育也被稱為教育錯配、教育不匹配。如果個人收入是勞動生產(chǎn)率的反映，那么員工在過度教育的崗位則意味著他們?nèi)肆Y本的投資不能完全轉(zhuǎn)化為有效的生產(chǎn)力。［2］過度教育反映了資源配置和使用效率低下的問題，也產(chǎn)生了諸多負面影響，如員工工資相對減少、職業(yè)滿意度較低、健康狀況下降等，這也成為學術界一直以來研究的熱點問題。

美國教育部教育技術辦公室于2013年發(fā)布了《提升意志力：21世紀成功的核心要素》的報告，指出意志力等非認知能力是21世紀人才能力結(jié)構(gòu)的重要組成部分，直接決定個體能否完成其遠景目標，進而取得成功。非認知能力已成為新一代優(yōu)秀勞動者所不可或缺的必然要求。

那么，非認知能力是否能夠緩解過度教育負面現(xiàn)象提供新的思路？本文嘗試在非認知能力與過度教育之間建立聯(lián)系，通過實證研究檢驗非認知能力能否緩解過度教育所帶來的負面收入效應。

二、理論基礎與文獻綜述

（一）新人力資本理論

近年來，新人力資本理論得到了越來越多的關注。在傳統(tǒng)人力資本理論中，“能力”被假設為與生產(chǎn)能力緊密相關的認知能力，非認知能力被忽視，這限制了人力資本理論的解釋力及其發(fā)展。［3］與此同時，越來越多的經(jīng)驗研究表明，能力的形成是多時期的；先天與后天因素并不能簡單劃分，而是具有交互影響。［4］以上的特征事實引發(fā)了傳統(tǒng)人力資本理論的變革。2010年美國經(jīng)濟學年會專門成立了人力資本討論小組，建立以能力為核心的新人力資本理論框架，從而更好地研究人力資本對個體在經(jīng)濟生活中表現(xiàn)的影響。新人力資本理論更多關注到了個體的非認知能力。非認知能力主要是指情感、意志、性格、動機信念等，具體內(nèi)容包括自信、自尊、自制、成就動機、對生活的態(tài)度等。心理學家也將非認知能力稱之為“人格特質(zhì)”，并開發(fā)了許多成熟的測量工具，如被廣泛應用的大五人格因素量表（the Big Five Personality Scale）。這也極大推動了經(jīng)濟學領域?qū)π氯肆Y本理論的研究。新人力資本理論的發(fā)展為打開不可觀測因素的“黑箱”提供了契機，為過度教育研究提供了新的視角。

（二）過度教育的收入效應研究

過度教育與收入之間存在著怎樣的因果關系？國外學者對此進行了大量的實證研究。早在1976年，F(xiàn)reeman在《過度教育的美國人》一書中首次提出過度教育現(xiàn)象，指出工人較高的教育水平并沒有轉(zhuǎn)化為較高的工資收入。［5］在此之后，許多經(jīng)驗研究證實了過度教育對個人工資的負面影響，表明過度教育工人的工資往往低于適當教育的同齡人。過度教育者獲得的經(jīng)濟回報大約是適度教育者的一半到三分之二。［6］與相同教育水平的適當教育工人相比，過度教育的工人受到了工資懲罰。對這一結(jié)果的主要解釋是，較低的工作要求限制了教育程度過高的工人充分利用其技能，從而使教育回報較低。近年來的研究使用不同的數(shù)據(jù)庫，在計量研究方法上不斷完善，進一步驗證和補充了上述的主要結(jié)論。Mateos-Romero使用PIAAC的數(shù)據(jù)，分析了17個OECD國家勞動力不匹配對工資的影響，發(fā)現(xiàn)過度教育的工資懲罰高達18%。［7］Wu等人利用世界銀行的相關調(diào)查數(shù)據(jù)也得到了類似的結(jié)果，發(fā)現(xiàn)對于同等教育程度的適度教育者而言，過度教育導致勞動者的工資下降18．5%。［8］也有研究從固定效應模型、PSM方法等方面驗證了過度教育與收入之間的關系。［9］

國內(nèi)的相關實證研究起步較晚，多數(shù)沿用國外的思路和方法，驗證了我國也同樣存在過度教育的收入效應。近期的一項研究基于2015年全國3萬多高校畢業(yè)生數(shù)據(jù)，測算出我國教育過度、適度與不足對起薪的收益率分別為6．9%，9．6%與－7．8%，對當前年薪的收益率則為5．0%，10．6%與－7．7%。［10］還有學者使用傾向值匹配方法研究了高學歷勞動者的教育匹配與收入回報，測得過度教育者的收入損失約為9%。［11］

總之，這些對于過度教育收入效應的研究都得到了較為一致的結(jié)論，即過度教育者的收入高于同等工作崗位上的適度教育者，卻低于同等學歷的適度教育者。這種勞動者因過度教育而承受的收入損失，就是過度教育的收入效應。這一效應有時也被稱之為過度教育的工資懲罰效應。

近年來，不少研究者開始關注到個體能力異質(zhì)性可能帶來的估計偏誤。Chevalier和Lindley的研究指出，不可觀測能力異質(zhì)性將大大縮小過度教育的工資懲罰效應。［12］顏敏等人利用2010－2014年CFPS的數(shù)據(jù)，基于固定效應模型的估計結(jié)果發(fā)現(xiàn)，能力偏誤使教育錯配的工資效應產(chǎn)生向上偏誤，其中過度教育工資懲罰效應由2．1%下降到0．22%。［13］這些研究結(jié)果均表明過度教育的收入效應受到個體能力差異的影響，給本研究帶來了極大啟發(fā)。

（三）非認知能力與收入關系的實證研究

早在1975年，舒爾茨便指出，在經(jīng)濟不均衡的環(huán)境中，某些與生產(chǎn)技能無直接關聯(lián)的能力可能會被凸顯和強調(diào)，他將這種能力稱為“處理不均衡狀態(tài)的能力”。但受限于當時的測量技術，對于非認知能力的經(jīng)濟價值并未作進一步的深入探究。后來，Bowles、Gintis與Osborne在研究中提出了“誘因型偏好”（incentive enhancing preferences）這一概念，用來詮釋非認知能力是如何對收入分配產(chǎn)生作用的。［14］Heckman也提出，非認知能力特征作為一種重要的人力資本構(gòu)成要素，既可以直接通過生產(chǎn)率效應增加勞動收入，也可間接通過影響個人受教育水平、職業(yè)選擇偏好以及技能形成，提高教育回報率與經(jīng)驗回報率，進而增加工資收入。在他的一項實證研究中，工資收入對非認知能力的變化表現(xiàn)出更強的敏感性。當勞動者整體的非認知能力從25分位上升到75分位時，男性勞動者的工資收入平均增加10%，而女性勞動者的工資收入則能夠增加40%。［15］

近年來，國內(nèi)也陸續(xù)對非認知能力與收入之間的因果關系進行了相關實證研究。黃國英和謝宇基于CFPS2010和2012年的數(shù)據(jù)，通過實證研究發(fā)現(xiàn)，非認知能力能夠顯著解釋勞動者的收入差異，且這種解釋能力獨立于認知能力。［16］盛衛(wèi)燕和胡秋陽同樣利用了CFPS的數(shù)據(jù)，并參考了黃國英等人構(gòu)造的非認知能力指標，結(jié)果發(fā)現(xiàn)非認知能力不僅可以提高低技能勞動收入，還可顯著提升技能溢價水平。［17］樂君杰和胡博文利用CFPS2012和2014的數(shù)據(jù)，基于大五人格模型，同樣發(fā)現(xiàn)非認知能力對中國勞動者的工資收入具有顯著的促進作用，且存在明顯的性別差異。進一步地，發(fā)現(xiàn)情緒穩(wěn)定性和宜人性對于女性勞動者更為重要，而盡責性則對男性勞動者影響更大。［18］

總之，上述研究均驗證了非認知能力對收入有顯著的正向影響。然而，鮮有研究就非認知能力對于過度教育的收入效應產(chǎn)生何種作用進行相關研究，且多數(shù)研究仍在使用5年前甚至更早之前的數(shù)據(jù)，缺乏時效性，有待更新。那么，作為不可觀測能力的重要組成部分，非認知能力是否能夠緩解過度教育者受到的工資懲罰？哪些維度的非認知能力有助于緩解過度教育的收入懲罰效應？本文利用當前所能獲取的最新數(shù)據(jù)，對此展開研究。

三、模型、數(shù)據(jù)及變量

（一）模型設定

Duncan和Hoffman提出的過度教育收入模型（ORU）是衡量過度教育收入效應的經(jīng)典模型。［19］ORU模型是在明瑟工資方程的基礎上發(fā)展而來，將勞動者實際受教育程度細分為工作所需教育年限、過度教育年限和教育不足年限。方程形式如下：

其中，lnincome表示年收入對數(shù)，Sr為工作所需教育年限，So為過度教育年限，Su為教育不足年限。系數(shù)α1表示接受工作要求的教育年限所帶來的收益率。系數(shù)α2表示相同工作崗位上，過度教育部分的收益率，也就是過度教育者每多增加一年教育年限所帶來的收入增長百分比。多數(shù)研究表明，α2＞0，即過度教育仍能獲得正向的收益，驗證了人力資本理論。｜α1－α2｜表示適度教育收益率與過度教育收益率之差，即為過度教育的工資懲罰，也就是在相同教育水平下，相比于教育水平恰好與崗位匹配的勞動者而言，過度教育者每多增加一年的教育所要面臨的工資損失。X表示其他影響個體收入的因素，如性別、工作經(jīng)驗、婚姻狀況、健康狀況、行業(yè)、地區(qū)等。ε1是模型擾動項。

本文在方程（1）的基礎上加入非認知能力，以考察非認知能力對過度教育收入效應的影響，改進的方程如下：

其中，noncognitive表示非認知能力，｜β1－β2｜表示控制非認知能力后，與同等學歷的適度教育者相比，過度教育者受到的工資懲罰。若｜β1－β2｜＜｜α1－α2｜，則表明非認知能力能夠緩解過度教育承受的收入懲罰，驗證本文的研究假設。

最后，為緩解教育錯配的測量誤差問題，本文選擇Verdugo和Verdugo提出的過度教育模型（以下簡稱VV模型），［20］以檢驗模型的穩(wěn)健性。不同于ORU模型，VV模型將過度教育和教育不足作為虛擬變量納入工資方程，同時將工作所需教育年限（Sr）替換為勞動者實際接受的受教育年限（Sa）?；谘芯磕康模疚脑赩V模型的基礎上加入了非認知能力變量，方程形式如下：

其中，Sa為實際受教育年限，OE和UE分別為過度教育和教育不足的虛擬變量，表示過度教育或教育不足是否發(fā)生。系數(shù)γ2符號為負，表示相比于同等學歷下的適度教育者，過度教育所要承受的工資下降百分比。在控制非認知能力之后，若γ2絕對值有所減小，則表明非認知能力能夠緩解過度教育的收入效應，驗證方程（2）的回歸估計結(jié)果。

（二）數(shù)據(jù)來源與處理

本研究使用的數(shù)據(jù)來自于中國家庭追蹤調(diào)查（China Family Panel Studies，CFPS）2018年的數(shù)據(jù)。該調(diào)查由北京大學中國社會科學調(diào)查中心實施，樣本覆蓋中國大陸25個省、自治區(qū)和直轄市，具有全國代表性。CFPS2018調(diào)查問卷共有家庭經(jīng)濟問卷、個人問卷和少兒問卷三種主體問卷類型。

本文主要利用CFPS2018個人數(shù)據(jù)庫，該數(shù)據(jù)庫發(fā)布于2019年11月，是目前所能獲得的最新的中國微觀調(diào)查數(shù)據(jù)。數(shù)據(jù)庫既包含詳實的個體受教育水平、工資收入、職業(yè)特征等變量，也包含了可供觀測個體非認知能力的主觀態(tài)度題項，為本研究提供了可靠的數(shù)據(jù)資料。

基于研究需要，本文將研究對象限定為年齡在16－60歲的非在學、非農(nóng)受雇人口，每周工作時間不少于35小時，剔除非農(nóng)散工、職業(yè)類別為農(nóng)、林、牧、漁及不便分類的其他從業(yè)群體①這些群體的收入無法完全用受教育水平、工作經(jīng)驗等常規(guī)的人力資本指標來預測。。工資收入、受教育水平、工作所需教育水平等本文所關心的主要變量缺失或異常的樣本被刪除。此外，為避免極端值的干擾，剔除了主要工作年收入最高和最低1%的樣本。經(jīng)過數(shù)據(jù)處理，最終得到2268個有效樣本。

（三）變量選擇與處理

1．被解釋變量

本文的被解釋變量為勞動者的主要工作年收入對數(shù)。

2．核心解釋變量

本文的核心解釋變量為教育匹配情況和非認知能力。

對于教育匹配情況的測度，以往研究一般采用自我評價法、工作分析法和統(tǒng)計測算法（包括平均值法和眾數(shù)法）。三種方法各有優(yōu)劣，出于樣本可獲取性的考慮，本文使用自我評價法，即個體對于自身所處的工作崗位所需要的受教育年限的主觀判斷。若實際教育年限大于工作所需教育年限，則為過度教育；實際教育年限小于工作所需教育年限，則為教育不足；兩者相等為適度教育。CFPS2018問卷中有一題詢問“從知識和技能的角度上講，您認為勝任這份工作實際需要多高的教育程度？”，以此來獲得受訪者工作所需教育年限。通過與受訪者實際受教育年限作比較，獲得個體教育匹配情況，并可進一步計算兩者之差，測算出過度教育年限或教育不足年限。

對于非認知能力的測量，本文主要依據(jù)大五人格的測量框架，［21］從嚴謹性、外向性、宜人性、開放性和情緒穩(wěn)定性這五個維度來測量非認知能力。參考李濤、張文稻的做法，［22］本文利用CFPS2018中個體的主觀態(tài)度題構(gòu)造非認知能力五個維度的測量指標，并對多個指標的得分取均值，得到該維度的分值。5個維度分值的總和即為非認知能力的總體得分。需要說明的是，除情緒穩(wěn)定性為4點計分外，其余4個維度的所有題項均被統(tǒng)一為5點計分。

3．控制變量

本文的控制變量包括個人特征、行業(yè)特征和地域特征。

個人特征包括性別、工作經(jīng)驗、工作經(jīng)驗的平方、婚姻狀況、健康狀況等其他影響收入的重要因素。其中，為避免工作經(jīng)驗和工作經(jīng)驗的平方之間的多重共線性，對其進行對中的線性轉(zhuǎn)換，即將工作經(jīng)驗減去其平均值，以減少共線性，獲得更為精確的系數(shù)估計值。［23］183－185此外，為克服內(nèi)生性問題，將他人評價的受訪者智力水平作為個人能力的代理變量。不少文獻中使用詞組和數(shù)學運算得分作為認知能力，但由于2018年的這部分數(shù)據(jù)缺失較為嚴重，故本文選取訪員評價的受訪者智力水平作為代理變量。

市場中的不完全競爭是導致勞動收入差異的原因之一。勞動力市場分割理論認為，在不同勞動力市場上，教育與收入的關系存在差異。勞動力市場分割既存在于不同行業(yè)之間，也存在于地區(qū)之間。故本文將行業(yè)特征和地域特征也納入控制變量。將數(shù)據(jù)集中的18個行業(yè)類別按照高等教育程度的勞動力市場、壟斷的勞動力市場和競爭的勞動力市場加以劃分。［24］254－260高等教育程度的勞動力市場提供的工作崗位主要是行政、管理及各種專業(yè)服務，勞動者往往具有較高的教育水平。壟斷的勞動力市場往往集中在資本密集型行業(yè)，存在內(nèi)部等級制。而競爭的勞動力市場集中了眾多勞動密集型行業(yè)，工資低，工作不穩(wěn)定，晉升空間小。地域特征則按照常規(guī)的區(qū)域劃分方式，將25個省、自治區(qū)和直轄市分成華北、東北、華東、中南、西南、西北六大區(qū)域。

各變量的定義及說明見表1。

表1 變量的定義及說明

四、實證結(jié)果分析

（一）描述性統(tǒng)計——我國勞動力市場教育匹配現(xiàn)狀

表2統(tǒng)計了當前我國勞動力市場教育匹配的總體情況以及按性別、受教育程度、行業(yè)、地區(qū)進行分組后的不同群體的教育匹配差異。

表2 我國教育匹配情況

從總體上看，當前我國過度教育發(fā)生率為41．98%，適度教育發(fā)生率為45．86%，另有12．17%的樣本存在教育不足的情況。過度教育發(fā)生率已接近適度教育發(fā)生率，可見教育錯配情況較為嚴重。

在性別方面，男性的過度教育發(fā)生率（42．73%）高于女性（41．02%），卡方檢驗p值為0．049＜0．05，可見過度教育發(fā)生率在性別上存在顯著差異。

在受教育程度方面，過度教育發(fā)生率隨著教育水平的提高呈總體上升趨勢，不同受教育程度群體間的過度教育發(fā)生率存在極其顯著的差異。除未上過學的群體不存在過度教育的情況外，小學學歷群體的過度教育發(fā)生率最低，為40．31%。而過度教育情況最為嚴重的發(fā)生在研究生群體中，其過度教育發(fā)生率為57．14%，即超過半數(shù)的研究生存在高才低就的情況。

在行業(yè)方面，高等教育程度的勞動力市場中適度教育發(fā)生率最高（54．01%），過度教育發(fā)生率最低（32．68%）。由于高等教育程度的勞動力市場提供的工作崗位多數(shù)專業(yè)性較強，對高技能、高學歷人才需求較大，故勞動者實際學歷與工作崗位要求的相匹配的情況較多。

在地區(qū)方面，華東地區(qū)是過度教育發(fā)生率最高的地區(qū)，其次是東北、中南等地。過度教育發(fā)生率最低的是西北地區(qū)，該地區(qū)也是教育不足的高發(fā)地。教育匹配的區(qū)域差異表明，過度教育發(fā)生率與區(qū)域經(jīng)濟發(fā)展水平有著密切的關系。華東地區(qū)作為經(jīng)濟發(fā)達地區(qū)，集聚了大量高新技術產(chǎn)業(yè)和支柱產(chǎn)業(yè)，對優(yōu)秀人才形成虹吸效應，知識勞動力供給大于需求，故更容易發(fā)生勞動者通過過度教育提升自身信號的現(xiàn)象。

（二）模型回歸結(jié)果

1．過度教育的收入效應及整體非認知能力對其的影響

本文基于ORU模型對過度教育的收入效應以及非認知能力對其的影響進行OLS回歸估計，結(jié)果如表3所示。

表3 過度教育的收入效應及非認知能力對其的影響（ORU模型）

模型1是控制了個人特征的ORU模型。工作所需教育年限、過度教育年限和教育不足年限三者的回歸系數(shù)均在1%水平上顯著。其中，過度教育年限的系數(shù)顯著為正，表明勞動者接受超出其工作崗位所需的教育仍可幫助其獲得每年2．7%的教育收益。驗證了人力資本理論，即增加受教育年限能夠提高自身人力資本，進而獲得更高的經(jīng)濟回報。但過度教育回報率（2．7%）顯著低于適度教育回報率（5．43%），表明過度教育的收入低于同等學歷的適度教育者受到一定的收入懲罰。

模型2、模型3進一步控制了行業(yè)特征和地域特征。在其他影響因素不變的情況下，壟斷行業(yè)中的勞動者收入顯著高于競爭行業(yè)中的勞動者，驗證了勞動力市場中存在的行業(yè)壁壘。華東地區(qū)勞動者的收入顯著高于西北地區(qū)，呈現(xiàn)明顯的分割特征。模型3在控制了所有解釋變量后，3個教育年限前的回歸系數(shù)進一步下降，說明勞動力市場分割下教育對收入的影響作用進一步減弱。過度教育收益率為2．12%，仍低于4．88%的適度教育收益率，過度教育者將面臨每年2．76%的收入懲罰（4．88%－2．12%）。

模型4在模型3的基礎上加入了本文的核心解釋變量——非認知能力（五個細分維度的加總值）。在控制其他因素不變的情況下，非認知能力總體上對收入有顯著的正向影響，為勞動者帶來2．75%的收益率。相應地，工作所需教育年限和過度教育年限的回歸系數(shù)均有明顯的下降，說明教育對收入的影響實際上部分由非認知能力的差異帶來的。經(jīng)計算發(fā)現(xiàn)，在相同的教育水平下，過度教育者每增加一年教育所受到的收入懲罰為2．72%（4．59%－1．87%），小于模型3計算出的2．76%的收入懲罰。這一結(jié)果表明，非認知能力能夠縮小過度教育與適度教育收益率之間的差距，緩解過度教育的工資懲罰效應。

2．各維度非認知能力對過度教育收入效應的影響

進一步地，在控制了個人、行業(yè)和地域特征后，本文將非認知能力的五個維度分別納入模型中，以探究哪些維度的非認知能力有助于緩解過度教育的收入效應，結(jié)果如表4所示。

表4 各維度非認知能力對過度教育的收入效應的影響

由回歸結(jié)果可知，嚴謹性和外向性前的回歸系數(shù)分別在1%和5%的水平上顯著為正，表明這兩個維度對個體收入有顯著的正向影響。在嚴謹性維度上，勞動者每提升一個等級，收入增長8．35%。在外向性維度上，勞動者每提升一個等級，收入增長6．65%?？梢妴蝹€維度的收入效應均要高于非認知能力加總值。

而對比模型3可以發(fā)現(xiàn)，非認知能力細分維度對過度教育收入效應的影響也要大于加總值。具體而言，加入嚴謹性后，過度教育的收益率從21．2%上升為21．4%，過度教育者承受的收入懲罰則從2．76%下降至2．7%。加入外向性后，過度教育的收益率從21．2%上升為21．6%，而收入懲罰則從2．76%下降至2．69%（4．85%－2．16%）。可見在非認知能力的5個細分維度中，嚴謹性和外向性有助于緩解過度教育的收入效應。過度教育者越富有進取心和責任心、越善于人際交往，其所接受到的收入懲罰也將相應減少。

（三）穩(wěn)健性檢驗

本文使用VV模型進行穩(wěn)健性檢驗（表5）。VV模型將過度教育和教育不足的虛擬變量納入模型，同時將ORU模型中的工作所需教育年限替換為實際教育年限。過度教育虛擬變量前的回歸系數(shù)表示相同教育水平下，過度教育對收益產(chǎn)生的負向影響。

表5 過度教育虛擬變量估計結(jié)果（VV模型）

比較模型10和模型11可以看到，在控制了非認知能力后，過度教育虛擬變量前的系數(shù)絕對值從0．157下降到0．154，表明相同教育水平下，過度教育者與適度教育者的收益率差距從15．7%縮小到15．4%。這與前文ORU模型的結(jié)論一致，即非認知能力能夠緩解過度教育的收入懲罰。

五、結(jié)論與討論

本文基于CFPS2018的微觀調(diào)查數(shù)據(jù)，分析了我國勞動力市場教育匹配現(xiàn)狀，并重點研究了非認知能力對過度教育的收入效應的影響。實證結(jié)果表明，在控制其他因素不變的情況下，非認知能力能夠解釋個體工資的差異，縮小同等學歷下適度教育者與過度教育者之間的收益率差距，緩解過度教育的收入懲罰。換言之，非認知能力高的勞動者受到過度教育收入效應的影響要小于非認知能力低者。在非認知能力的5個細分維度中，嚴謹性和外向性有助于緩解過度教育的收入效應。過度教育者越富有進取心和責任心、越善于人際交往，其所接受到的收入懲罰也將相應減少。根據(jù)上述研究結(jié)論，本文提出如下建議：

第一，引導個體發(fā)展非認知能力。有學者指出，我國長期面臨結(jié)構(gòu)性失業(yè)問題，非認知技能的提升應作為應屆大學生就業(yè)培訓的核心，這是因為非認知技能投資的可替代性更高，后期投資的效果更好”。［25］從本文的研究結(jié)論看，提升自身的非認知能力，尤其是注重培養(yǎng)對待工作的認真態(tài)度，在工作上保持持續(xù)的努力程度，提升人際交往能力，從而在同類群體中占領優(yōu)勢，減少因過度教育帶來的收入損失。

第二，優(yōu)化高校學科專業(yè)結(jié)構(gòu)和人才培養(yǎng)模式。高校應立足經(jīng)濟社會發(fā)展需求和人才培養(yǎng)目標，在課程體系、專業(yè)設置等方面進行供給側(cè)改革，提高課程建設和教育教學質(zhì)量，鼓勵學生將專業(yè)知識與應用實踐相結(jié)合，全面提升他們的知識轉(zhuǎn)化能力和綜合能力，為市場提供更多復合型、綜合型人才。

第三，轉(zhuǎn)變用人單位觀念，關注勞動者的非認知人力資本。部分單位在招聘時刻意提高學歷門檻，使其高出崗位實際所需水平，從而加劇勞動力市場過度教育程度，降低過度教育者收入。在關注專業(yè)能力之外，用人單位應當關注勞動者的非認知人力資本，結(jié)合崗位實際需求進行綜合考慮后再做出聘用決策。