由于学历层次和高校类型的分流，不同高等学校有着不同的教育目标，这是高等教育体制具有差异化和层次化的成因。伴随着“211”工程和“985”工程的政策实施，我国高等教育明显地具有结构分层的特点。世界一流和高质量大学的建设是国家教育实力和科技水平的重要指标，也是一个地区的经济可持续发展和社会文化水平提升的关键因素。高等教育从精英教育转为大众教育之后，在教育经费有限的条件下，建设优质大学、培育高质量人才为国家经济建设和社会发展服务，具有重要的战略意义。

教育部部长袁贵仁在2015年3月表示：高等教育结构不可能朝均衡化方向发展，各级高校需要强调自身的特色和优势，通过百花齐放提升高等教育的综合实力。[1] “211”工程学校（以下简称“211”高校）作为我国政府重点建设的大学，在学校声誉、教育经费和教学师资等方面都有别于其他普通本科院校。因此，“211”高校培养的高校毕业生的科研和工作能力与其他高校毕业生应具有差异性。教育经济学的理论显示，受教育程度的高低决定一个人工作能力的高低，工作能力较强的人会在劳动力市场上获得较高的薪资水平。劳动经济学则认为，工资是对劳动者工作能力高低的重要体现，工作能力的高低经由受教育程度、工作经验、在职培训等因素进行考察。

就业起薪对高校毕业生相当重要，较高的工资起点不仅有利于提高生活水平，也有助于个人未来的职业发展。此外，高校毕业生就业起薪的高低更是评估工作能力的一项重要指标。一般而言，雇主会给工作能力较强的求职者支付较高的工资。作为刚进入劳动力市场的生力军，高校毕业生在很多方面具有共性，如缺乏工作经验、未受过在职培训等。因此，毕业生的就业起薪水平更明显地受到受教育程度的影响。受教育程度除了有学历层次方面的差异，高校类型上的差异也是重要的影响因素。为有效探讨高校类型差异带来的影响，本文在不同学历层次的高校毕业生中选定本科毕业生进行专门研究。

之所以选择本科毕业生是因为通过高考，相似知识水平的高中毕业生被分流到不同类型的高校。与研究生学历的毕业生相比，绝大多数的本科毕业生在年龄、社会资本、心理发展等层面上具有相同的水平，能有效避开许多不必要的干扰。但是，影响就业起薪的因素众多，除了个人内在因素，起薪还会受到外在因素的影响，与此同时，在个体层次因素外，学校层次因素也会有相当程度的作用。在个体层次因素中，个人的保留工资是起薪的关键因素。保留工资是工作搜寻理论的重要论点，它不仅会影响就业起薪，还会被各种外在因素所影响。这些外在因素同样包含了个体和学校等不同层次因素，直接影响保留工资的高低。

综上所述，高校类型、就业起薪和保留工资三者之间的互动机制是本文研究的核心。通过建立本科毕业生就业起薪和保留工资的两层模型，并将可能的影响因素进行控制，可以有效地分析“211”高校对本科毕业生就业起薪的影响效应。因此，本文一方面聚焦于“211”高校对本科毕业生就业起薪的直接影响，另一方面关注“211”高校通过保留工资对他们就业起薪的间接影响，以此考察“211”高校本科毕业生的工作竞争力。

就业起薪是指求职者刚进入劳动力市场时的工资待遇。劳动经济学认为，工资差别的成因包括竞争性工资差别、补偿性工资差别等。前者是从个人的劳动生产能力解释工资差别，劳动者的劳动能力和效率高，工资也就相对较高；而教育投资、在职培训等人力资本存量所导致的工资差别则属于后者，以较高工资补偿个人对人力资本的投资。[2] 此外，我国作为经济转型国家，居民工资收入受到经济改革和政府政策等方面的影响，如工作所在地的城乡类型、工作单位性质、工作岗位属性等。[3]

在教育经济学领域，人力资本理论是解释教育与劳动收入分配关系的主要理论。人力资本指个人知识、技能、经验、迁移等的总和，可以在未来特定经济活动中带来相应的收益。通过教育投资能够提升个人的人力资本存量，提高生产能力从而获得对应的经济收益。[4] 作为人力资本理论的互补性理论，筛选理论指出，就业市场上雇佣双方存在着信息不对称情况，雇主往往无法得知求职者的生产能力，但是雇主可以根据这些求职者的标识（如性别、民族等）和信号（如教育、工作经验等）做出雇佣决定，给予相应的薪资级别。在受教育水平越高、能力越高的前提下，求职者的受教育程度、学业成绩、学校质量等因素能为雇主提供明确的信号，影响雇主的雇佣决定和薪资分配。[5]

工作搜寻理论指出：保留工资是求职者在就业前，个人心理可以接受的工资最低报价。在劳动力市场上，求职者会设定个人最低工资标准，当遇到第一份超过其最低可接受工资的工作时，就可能接受。保留工资主要是在两个方面影响求职者的就业结果：第一，求职者的保留工资与就业概率呈负相关；第二，求职者的保留工资与实际工资呈正相关。[6] 其中，保留工资对成功就业的影响，不同实证研究有不同的看法。但是，保留工资对实际工资的正向影响，在理论研究和实证研究中是得到支持和验证的。求职者的保留工资越高，他们越倾向于拒绝低薪工作而持续寻求高薪工作，直到保留工资和实际工资匹配才进入就业市场。

耿绍勋（S.Keng）和罗雅芬（Y.Lo）对我国台湾地区本科和专科毕业生的起薪进行研究，发现本科毕业生的起薪显著高于专科毕业生。同时，高校类型、高校特征、性别、学科专业、工作岗位、工作地点等因素对本科毕业生的起薪有显著的影响。[7] 拉弗蒂（A.Rafferty）研究学用匹配对欧洲各国大学毕业生薪资水平的影响，在计量模型中加入了个人特征、工作特征等因素进行控制。其中的工作特征包括工作岗位、职业、行业类型等变量。[8] 特里文蒂（M.Triventi）以欧洲11个国家的大学毕业生月起薪为因变量，采用Blinder-Oaxaca工资差异分解方法检验性别歧视的程度，在计量模型中加入人力资本、工作特征等因素进行考察。其中，人力资本包括学科专业、外语能力、成绩等影响因素，而工作特征包括工作类型、职业、岗位、部门等影响因素。[9]

尼凯斯（I.Nicaise）基于人力资本、工作找寻等理论，针对比利时的就业数据采用计量方法讨论性别在保留工资和工作竞争上的差异，分析男女工资差异的原因。[10] 卡利恩多（M.Caliendo）等基于IZA （Institute for the Study of Labor）数据，采用计量方法分析个人社会网络资本对求职途径和保留工资的影响。研究结果指出：除了社会网络资本外，性别、学历、先前工资收入等因素也对保留工资有显著影响。[11] 布朗（S.Brown）和泰勒（K.Taylor）基于BHPS（British Household Panel Survey）的面板数据，分析劳动者的保留工资对就业和工作收入的影响，研究结果显示：保留工资与就业状况、工作收入有高度的关联性。此外，在其计量模型中，还控制了性别、年龄、学历、学业成绩、家庭经济状况、工作性质等因素。[12]

国内以高校毕业生就业起薪为主题的研究相当丰富。闵维方等基于2005年全国高校毕业生就业调查数据，采用计量回归方法探讨高校毕业生就业影响因素，研究结果显示，性别、学历、学校类型、学业成绩、高校所在地区、就业情况等因素会对就业起薪有显著影响。[13] 岳昌君和张恺以2013年全国高校毕业生就业调查数据进行的实证分析结果显示，个人特征、人力资本、学校背景、求职努力程度都对其就业起薪有显著影响。[14] 王子成和杨伟国利用2012年大学生就业质量调查数据，探讨就业匹配对大学生就业质量的影响，其计量分析结果显示，性别、学历、高校类型、职业、单位性质、单位规模、行业类型、就业地点等因素，对就业起薪具有显著的影响。[15]

国内针对高校毕业生保留工资的研究也不少。李锋亮等利用2007年全国高校毕业生就业调查数据，以多元回归方法研究保留工资对就业起薪的影响，分析结果显示：除了保留工资以外，高考所在地、学历、“211”高校等因素对高校毕业生的就业起薪也有显著影响。[16] 在另一篇研究中，李锋亮等利用2007年应届硕士毕业生就业调查数据，以多元回归方法研究工作找寻强度、保留工资对就业起薪的影响。研究结果显示，硕士毕业生的就业起薪受到性别、年龄、毕业高中类型、“985”高校、求职次数的显著影响，而保留工资同样会受到这些因素的影响。[17] 杨钋和田艳春基于2012年北京大学高职高专毕业生就业调查数据，用最小二乘法研究专科学生顶岗实习对实习薪资和保留工资的影响，发现性别、院校所在地区、所在城市劳动力市场特征等因素会显著影响其保留工资。[18]

近年来，分层线性模型方法逐渐应用于高校毕业生就业问题的研究。邓峰和孙百才利用五次全国高校毕业生就业调查数据，采用分层模型探讨高校毕业生就业结果影响因素的变动趋势，研究结果表明，“211”高校对毕业生就业结果没有一致性的显著影响；学校类型对毕业生就业并没有表现出稳定而显著的作用；高等教育质量对毕业生就业具有显著正向作用，而且这种作用逐年加强。[19] 杨素红和杨钋基于麦可思研究院2010年中国大学生就业调查数据，应用分层线性模型方法探讨院校特征对我国本专科毕业生起薪的影响，研究结论指出：“211”高校和“985”高校有明显的起薪优势；高校类型除了直接影响学校平均起薪，还会通过调节个人特征与起薪之间的影响关系间接影响个人起薪。[20]

基于文献综述可知，在我国高校毕业生就业起薪的影响因素中，高校类型和保留工资是相当重要的因素。此外，近年来的相关研究正朝向使用分层模型的计量分析方法发展。本文基于2013年全国高校毕业生就业调查数据，采用分层线性模型和路径分析方法，检验“211”高校如何影响我国高校本科毕业生的就业起薪。本文首先探讨“211”高校对就业起薪的影响，之后探讨“211”高校对保留工资的影响，最后结合两个分层模型的形成路径讨论“211”高校对就业起薪的总体影响。基于实证研究结果，本文提出了促进我国高等教育改革和发展的相关政策建议。

本文使用的数据来自北京大学教育学院在2013年对全国高校毕业生就业状况进行的抽样调查数据。本次调查包括我国东、中、西部地区21个省份的30所高校，东部地区包括北京、天津、河北、辽宁、江苏、浙江、山东、广东和海南9个省份的11所高校；中部地区包括吉林、黑龙江、安徽、江西、河南和湖北6个省份的7所高校；西部地区包括重庆、四川、云南、陕西、甘肃和宁夏6个省份的12所高校。其中，“211”高校9所、一般本科院校9所、高职院校7所、民办高校2所、独立学院3所，根据每所高校毕业生学科和学历层次，按比例发放问卷进行调查。

本文研究对象是已确定就业单位的本科毕业生。在原始数据中，首先剔除其他学历层次和其他毕业去向（如升学、创业、灵活就业等）的样本观测值，然后剔除有缺失值和奇异值的观测值，并删除就业起薪变量（月收入）中最高和最低1%的样本观测值，最后得到的有效样本量为2163个。在有效样本中，男、女毕业生比例分别为62.2%和37.8%； “211”高校毕业生占44.2%，其他高校毕业生占55.8%；毕业生的就业单位性质中，国有企业及科研高校占 43.5%，一般事业单位占7.4%，民营企业占40.4%，三资企业占8.7%。

1. 主要变量

表1为本文三个主要变量的描述统计分析。其中，毕业生的月收入为因变量，该变量为连续变量，取值在1000~8000元之间，均值为3148元，标准差为1119元。层-1的另一个主要变量为保留工资。所谓保留工资，是指毕业生在求职过程中可以接受的最低工资水平。该变量在本文的两个分层模型中分别作为解释变量和因变量，单位是元/月，为取值在100~9000元之间的连续变量，均值为2479元，标准差为865元。层-2的主要解释变量为高校类型，属于分类变量。本文将“211”高校取值为1，非“211”高校作为对照组，取值为0。

2. 控制变量

本文为了有效评估“211”高校对就业起薪和保留工资的影响，参考相关文献和问卷内容后，将可能的影响因素加入模型作为控制变量。表2为本文控制变量的说明。在层-2的解释变量中，参照《中国统计年鉴》和各城市统计局的地区生产总值数据，将高校所在地的经济发展规模分为三组：高经济发展城市、中经济发展城市、低经济发展城市。[21] 层-1的解释变量包括性别、就业岗位、就业地点、就业单位、家庭人均年收入、学习成绩、收入期望、外语证书等。

本文应用分层线性模型（Hierarchical Linear Model，HLM）对全国高校毕业生就业调查数据进行计量回归检验，采用的统计软件为Stata 12.0版。HLM最早出现在1972年，是一种利用线性模型处理复杂方差结构的统计方法，通过劳登布什（S.W.Raudenbush）和布雷克（A.S.Bryk）奠定HLM理论与开发出相关软件后，分层线性模型即广泛运用在学术研究中。[22] 温福星等和史蒂文斯（J.P.Stevens）认为，分层的数据结构在社会科学领域极为常见，特别是教育领域。例如，来自同一所学校的两个学生，各方面会比不同学校的两个学生更为相近，也就是说，同校学生在某些特征上具有同质型。针对这种结构的数据，研究者需要应用分层线性模型进行计量分析。[23-24]

采用HLM进行两层的分层模型分析时，各层次基本模型如下所示 [25]：

层-1个体层次模型：

层-2学校层次模型：

上述的混合模型中，Yij为因变量，Xj为层-2的自变量，Xij为层-1的自变量；模型的固定效应包括截距γ00，层-2自变量的斜率γ01，层-1自变量的斜率γ10；而模型的随机效应则包括层-2截距的随机项μ0j，层-1自变量斜率的随机项μ1j，层-1随机项rij。

为考察“211”高校对本科毕业生就业起薪的影响，本文建立两个分层线性模型：就业起薪HLM模型和保留工资HLM模型。其中，保留工资在第一个模型作为解释变量，在第二个模型作为因变量，两个模型的结合形成了路径分析。为了有效估计各个变量的回归系数，本文将月收入和保留工资进行对数处理，又将解释变量中的连续变量以减去总体均值的方式做“对中”处理。

马蒂厄（J.E.Mathieu）和泰勒（S.R.Taylor）的研究指出：以减去总体均值的“对中”处理进行HLM分析，一方面可避免共线性问题；另一方面，该模型与不“对中”处理的模型是统计等价模型。[26] 一般而言，“对中”处理是针对HLM模型中的解释变量进行的，但是，本文基于研究问题需要建立两个HLM模型，为了让两个分层模型能有效结合成为路径分析，第二个模型的因变量是第一个模型中的解释变量——保留工资。最终，本文各模型的方程分别如下：

1.  就业起薪的分层线性模型

2.  保留工资的分层线性模型

本文应用HLM对高校本科毕业生的就业起薪进行计量回归分析，采用约束最大似然法（Restricted Maximum Likelihood，REML）进行参数估计。首先，通过只加入因变量的零模型判断是否需要采取HLM进行统计分析，然后加入主要解释变量和控制变量进行回归分析。在零模型中，层-2的，层-1的，由此可计算组内相关系数（intra-class correlation coefficient，ICC）为0.278。ICC用来衡量数据违反样本独立性的程度，科恩（J.Cohen）的研究指出，0.01≤ICC＜0.059为低度关联，0.059≤ICC<0.138为中度关联，0.138≤ICC为高度关联。当零模型中的ICC数值为中度关联以上时，建议采用HLM进行分析。[27]

除了组内相关系数之外，λ也是HLM的一个重要指标，取值在0~1之间，代表组间方差占各组均值方差的比例。λ与古典测验理论的信度（Reliability）概念相似，用来评估因变量的均值在组间的内部一致性程度。在就业起薪的模型中，λ数值越大，说明用该校毕业生的就业起薪均值代表该学校的均值是可以被信赖的。兰斯（C.E.Lance）等的研究指出，许多学者对于λ指标的判断是基于主观经验法则，一般认为要达到0.7以上才具有可靠的信度。[28] 表3为就业起薪无调节作用完整模型，分别呈现固定效应和随机效应的参数估计值以及ICC和λ等HLM的指标。

1. 层-2解释变量对就业起薪的影响

（1） 以非“211”高校为对照组，“211”高校对本科毕业生的就业起薪有显著的正向影响。毕业于“211”高校的本科毕业生具有较高的就业起薪，“211”高校毕业生的就业起薪比其他高校毕业生平均高8.9%。（2） 高校所在地的经济发展规模对就业起薪有显著的影响。与低经济发展地区相比，高经济发展地区高校本科毕业生的就业起薪高出11.2%，而中经济发展地区高校本科毕业生的就业起薪高出6.9%。

2. 层-1解释变量对就业起薪的影响

（1） 保留工资对就业起薪有显著影响，保留工资越高，就业起薪也越高。（2） 以女性作为对照组，性别变量的回归系数为正，但是在统计上并不显著。结果显示，在控制了其他因素后，就业起薪的性别差异并不显著。男性毕业生起薪较高的主要原因是就业地区、行业、单位、岗位等就业特征不同以及高校声誉、学科专业等高等教育特征不同。（3） 就业岗位对就业起薪的影响不显著，表明进入管理技术岗位的本科毕业生在起薪上没有显著的优势。（4） 就业地点对就业起薪有显著影响，在大中城市就业的本科毕业生有较高的起薪。（5） 以民营企业作为对照组，在国有企业和科研高校就业的本科毕业生有显著较高的起薪，而其他就业单位与民营企业之间并没有显著差异。

3. 组内相关系数和均值可靠性

在就业起薪的HLM零模型中，ICC数值为0.278，表明不可忽略就业起薪在高校之间的差异情形。加入层-2和层-1的各个解释变量后，ICC数值为 0.067，该数值接近低度关联，这说明层-2的自变量能充分解释高校之间的就业起薪差异情形。此外，零模型的λ为0.931，而加入各个解释变量后，该模型的λ降低到0.773，代表本模型就业起薪均值在组间的内部一致性小于零模型，但是仍符合0.7以上的可靠性水平。

在探讨“211”高校对本科毕业生保留工资的影响状况时，本文同样采用REML作为参数的估计法。以保留工资为因变量的零模型中，层-2的=0.042，层-1的=0.112， ICC为0.273，说明保留工资也需要采用分层线性模型进行计量分析。表4为保留工资的无调节作用完整模型，分别呈现固定效应和随机效应的参数估计值以及ICC和λ等HLM的指标。

同样按照不同层次的解释变量对保留工资的回归结果分别说明如下：

1. 层-2解释变量对保留工资的影响

（1） 以非“211”高校为对照组，“211”高校对本科毕业生的保留工资有显著的正向影响，表示“211”高校本科毕业生有较高的保留工资，“211”高校毕业生的保留工资比其他高校毕业生高22.9%。（2） 以高校所在地属于低经济发展地区为对照组，高校所在地的经济发展规模对保留工资有显著的影响。高校位于高经济发展地区，其本科毕业生会有较高的保留工资。

2.  层-1解释变量对保留工资的影响

（1） 以女性作为对照组，性别对保留工资有显著的影响，表明男性的保留工资较女性高。（2） 学习成绩对保留工资有显著的影响，学习成绩在前25%的本科毕业生，其保留工资相对较高。（3） 家庭人均年收入对保留工资有显著的影响，来自高收入和中收入家庭的本科毕业生有较高的保留工资。（4） 外语证书对保留工资的影响不显著。（5） 收入期望对保留工资有显著的影响，毕业生对收入的期望越高保留工资也就越高。

3. 组内相关系数和均值可靠性

在保留工资的HLM零模型中，ICC数值为0.273，表明不可忽略保留工资在高校之间的差异情形。研究者加入层-2和层-1的各个解释变量后，ICC数值为0.149，仍属于高度相关，这说明除了“211”高校和高校所在地以外，保留工资的差异还有被其他学校层次因素解释的空间。此外，零模型的λ为0.989，而加入各个解释变量后，模型的λ只降低到0.987，代表本模型保留工资均值在组间的内部一致性仍具有相当高的可靠性水平。

本文利用北京大学2013年的全国高校毕业生就业状况调查数据，对“211”高校如何影响本科毕业生的就业起薪进行了实证分析，主要结论概括如下：

第一，高校本科毕业生的就业起薪受到诸多因素的显著影响。本文选取的变量中，主要解释变量（“211”高校）的回归系数在统计上显著。此外，作为控制变量的高校所在地、保留工资、就业地点和就业单位，对就业起薪的影响在统计上也是显著的。总的来说，“211”高校和高校所在地较高的经济发展规模对就业起薪有显著的正向影响，而个体层次的保留工资、就业地点和就业单位也对就业起薪具有一定程度的解释力。

第二，高校本科毕业生的保留工资同样受到许多因素的显著影响。在本文选取的变量中，主要解释变量（“211”高校）的回归系数在统计上显著。此外，作为控制变量的性别、家庭收入、收入期望和学习成绩，它们对保留工资的影响在统计上也是显著的。总的来说，“211”高校和高校所在地较高的经济发展规模对保留工资有显著的正向影响，而个体层次的性别、家庭人均年收入、收入期望、学习成绩等变量也会影响保留工资的水平。

第三，控制其他可能的影响因素后，在高校本科毕业生群体中，“211”高校对本科毕业生就业起薪的影响如图1所示：

在图1的路径分析中，“211”高校对本科毕业生就业起薪的回归系数为 0.089，此系数为半对数模型的回归系数，表示“211”高校本科毕业生的起薪比其他高校高8.9%。“211”高校对保留工资的影响也是半对数模型，回归系数为0.229，表示“211”高校本科毕业生的保留工资比其他高校高22.9%。同时，保留工资对就业起薪同样具有显著影响，这个影响属于双对数模型，代表保留工资上升1.0个百分点，会使就业起薪上升约0.4个百分点。

本文的实证分析显示：“211”高校不仅对本科毕业生的就业起薪有直接影响，还通过影响保留工资间接地对就业起薪产生影响，三者间形成跨层次的影响结构。“211”高校本科毕业生的就业起薪之所以较高，一方面是因为“211”高校作为重点大学的信号受到雇主的认可，愿意提供较高的工资以补偿毕业生较高的工作能力；另一方面则是因为“211”高校本科毕业生有较高的保留工资，间接让毕业生获得较高起薪的工作，说明“211”高校的背景提升了他们对自己工作能力的自信。总的来说，雇主的认可和对自己工作能力的自信，使得他们在就业市场上具有较高的工作竞争力。

本文基于本科毕业生的就业起薪进行实证研究，探讨“211”高校毕业生的工作竞争力，其研究结果对后续研究和高等教育发展具有一定的借鉴意义：

第一，本文利用分层线性模型对本科毕业生的就业起薪进行研究，聚焦在“211”高校对起薪的影响关系。研究结果发现，来自同一所高校的本科毕业生，他们的就业起薪具有同质性的特征，若以传统多元回归方法对此分层结构的数据进行计量分析，就会违反样本独立性的基本假设，不仅造成随机扰动项的方差估计值变大，还会使回归系数的标准误变小，进而容易拒绝虚拟假设达到统计上的显著水平。因此，本文建议后续研究处理具有分层结构的数据时，应采用分层线性模型方法检验组内相关系数，确认有无需要应用分层线性模型进行合适的计量分析。

第二，高等教育作为正式教育的最高阶段，承担着重要的使命，即培育具有差异性的高级劳动力人才进入合适的工作岗位，实现建设国家、繁荣社会、创造自我价值等教育效用。在我国的高等教育中，“211”高校是教育经费高度投入以及教育资源高度集中的地方，产出的人才属于国家高层次人力资本，除了对他们的科研能力进行评价外，还需要对其工作能力有合适的质量评估。如此一来，国家才有充分理由对“211”高校重点支持，提高经费使用效率和办学质量。本文通过实证分析确认“211”高校本科毕业生在就业市场上具有较高的工作竞争力，建议教育部和有关部门对“211”高校持续给予重点支持，为培育高级人力资本奠下稳固的基石。

首先，本文以已确定就业单位的本科毕业生样本作为研究对象，但是高校毕业生的毕业去向除了就业外，还会有升学和创业等不同的选择。一般而言，“211”高校本科毕业生具有较为明显的升学倾向，本文选取的样本可能会存在样本选择偏差问题。由于升学的学生大多数是成绩优秀的，因此实证研究结果低估了“211”高校的教育回报率。第二，本文解释变量中“211”高校存在内生性问题。（一般而言，家庭经济条件好的学生进入“211”高校就读的可能性更大。因此，本文尝试以同样的就业起薪HLM模型对家庭人均年收入在1万元以下的样本 [1205人] 和1万元以上的样本 [958人] 分别进行回归。计量回归结果显示，在家庭经济条件较差的本科毕业生中，“211”高校对就业起薪有显著的正向影响；而在家庭经济条件较好的样本中，“211”高校则没有显著的影响。）进入“211”高校的学生通常入学前个人能力就很高，而且家庭社会经济地位往往也相对较高。如能将“211”高校的内生性进行有效处理，可以更精确地得出“211”高校的影响效果。但由于数据的限制，缺乏合适的工具变量处理回归模型中解释变量的内生性问题。因此，本文研究结果中“211”高校的回报率不是“211”高校的“净影响”，而是包括毕业生入学前的人力资本水平、在高校增加的人力资本水平以及“211”高校的信号作用等综合影响。最后，本实证研究是基于横截面数据的分析，研究结果的推广有一定的局限性，有待后续基于长期追踪调查数据的研究对本文论点做进一步的支持。

（责任编辑    范皑皑）