波士顿大学Kevin Lang教授带来的讲座分享为“The Determinants of Teachers’ Occupational Choice”。

       在大学毕业生中，教师的平均AFQT较低，而平均的风险厌恶的程度较高。他们利用NLSY79数据，通过含有不可观测异质性的动态优化模型研究发现，教师的低AFQT评分并不能反映教学中认识技能的低回报率，但是可以反映其他和AFQT相关的技能的低回报率。他们认为，教学收益的压缩吸引了那些相对而言风险厌恶的人。随后，他们假设如果能够模仿非教学部门的技能和风险回报重新设置教师的薪酬，让教学的整体薪酬显著增加。在该假设下，他们通过模型发现，这种转变会大大降低现有的教师的效用，使得这个改革充满了挑战性。最后，他们讨论了模型对异质性的敏感程度。他们强调，他们的模型对不可观测异质性设置的类型数十分敏感。尽管所有的模型都能有足够的拟合优度，但是他们通过贝叶斯信息准则发现将样本分成7个或者更多的类型能够更好的提高模型的拟合程度。