↓跳到主要内容

名校到底值多少钱：大学排名与职业发展的真实关系

·8015 字·16 分钟
两条通向不同大学建筑的道路穿过书本、桥梁与开放的门，呈现择校中的机会、成本与不确定性。
目录

每年填报志愿、选择研究生项目或准备留学时，学生和家长都会遇到一个很现实的问题：排名更高的学校，究竟值不值得为它多付学费、多承担风险？

一项使用 2010 年中国应届毕业生数据的研究发现，精英大学毕业生未经调整的工资优势约为 26.4%；研究者控制高考成绩、专业和家庭背景等可观察因素后，工资差距降至约 10.7% [1]。这仍不必然等同于学校产生的因果收益，因为能力、动机、信息和社会资源等差异未必都能被观察和控制。但这组较早的数据足以说明，未经调整的平均差距混合了明显的学生选择效应。

这组差距说明了一个关键问题：

名校毕业生通常赚得更多，但平均工资差距不等于学校创造的全部价值。

名校价值不是一个固定的工资溢价，而是学校提供的平台机会，经由学生获取和转化之后形成的个人收益。家庭真正需要比较的，是这种潜在收益能否覆盖额外成本和风险。

本文把“名校”作为泛指。具体研究中的高选择性大学、精英大学并非同一概念。下文的跨国收入证据也主要来自本科教育，不能直接用来给某个研究生项目或留学选择标价。

一、名校毕业生收入更高，但差距从哪里来 #

读懂收入研究，需要区分两类数字：

  • 表面上的平均收入差距：回答“名校毕业生平均多赚多少”，其中混合了学生原有差异和学校影响。
  • 尽量排除背景差异后的收益估计：尝试回答“背景相近的学生进入不同学校后，收入会相差多少”。研究者通常借助匹配、工具变量或录取线附近的准实验设计，尽量剥离学生原有差异，但结论仍依赖具体样本和识别方法。

两者不能混为一谈。成绩、家庭资源、地区机会、升学信息和试错空间，都会影响谁更容易进入录取门槛较高的大学。对家庭资源有限的学生来说，他们往往需要凭借更高的成绩或综合表现，弥补信息和资源上的差距。

为了便于分析，本文把名校收入差距拆成三个部分：学生入学前已经存在的选择效应，学校提供资源和机会形成的平台效应，以及用人单位根据学校背景作出判断产生的信号效应。名校可以让学生进入资源和机会更集中的环境，却不能保证这些机会最终转化为更高收入。

跨国研究也没有给出一个统一的“名校溢价”。中国研究发现，控制学生背景后，精英大学毕业生的工资差距明显缩小；针对录取线附近学生的另一项研究，则发现进入精英大学有助于提高首份工作的工资 [1,2]。美国研究发现，对大多数学生而言，进入选择性更高的大学未必带来明显的平均收入优势，但低收入家庭学生可能受益更多 [3]。英国研究显示，大学和专业都会影响收入 [4,5]；法国普通大学之间的差异则相对有限 [6]。

少数资源高度集中的学校可能产生更高回报。意大利一所精英商科大学的准实验研究估计，对于录取线附近、获得录取后实际入学的申请者，收入效应约为 44—58 个对数点；这个结果不能外推到所有申请者或其他学校 [7]。加拿大研究发现了一定的早期收益，但学校差距较小 [8]；澳大利亚研究也显示，专业、行业和入学前成绩可以解释相当一部分名校毕业生的收入优势 [9,10]。

这些数据来自不同国家、时期和职业阶段，估计方法也不同，不能横向排成一张“名校收益榜”，更不能直接预测当今某位学生可能获得的具体回报。综合这些结果，可以提出一个更谨慎的判断：学校能否产生额外价值，可能取决于资源是否高度集中、学校能否改变学生进入特定职业市场的机会，以及学生能否利用这些机会。

收入也只是职业发展中最容易量化的一部分。就业稳定性、工作时长、职业满意度、继续深造机会、负债和生活质量，同样会影响一项教育选择是否值得；本文引用的收入研究不能完整回答这些问题。

“名校溢价”不是一个统一数字，而是特定学生在特定制度、专业和就业市场中的结果。

二、学校通过什么机制产生价值 #

名校的额外价值未必主要来自课堂知识差异，还可能来自它降低了学生获得初步信任、行业入口、导师支持和下一次选择的难度。可以把这些优势概括为三种资源和一种选择权：

  • 信号资本：学校招牌带来的初步信任。 职业早期，用人单位很难判断年轻人的真实能力，学校背景因而成为便捷的筛选依据。
  • 网络资本：同学、导师和校友关系。 对来自普通家庭的学生，这张关系网可能成为进入某些行业的重要入口。
  • 机会资本：实习、校招和科研入口。 学校集中提供多少实习、校招、科研项目和企业合作机会，会影响学生寻找信息和入口的难度。
  • 选择权：未来还能换方向的余地。 读博、就业、转行业、出国或创业都需要入口。未来仍能改变方向，本身就是一种资产。

学校拥有资源，不等于每个学生都能拿到资源。名校往往是资源多，优秀学生也多。学生不仅要看学校提供什么，还要判断这些资源覆盖多少人、自己能否达到门槛，以及能否把机会转化为作品、推荐信、实践经验和职业网络。如果一项选择必须同时押中多个低概率机会才值得，它本身就具有较高风险。

资源密集的环境也会改变学生评价自己的参照系。Marsh 和 Hau 使用国际学生评估项目（Programme for International Student Assessment，PISA）的 2000 年数据，分析了 26 个国家共 103,558 名 15 岁学生。他们发现，控制个人成绩后，学校平均成绩越高，学生的学业自我概念往往越低 [11]。这项研究不能证明名校大学生会获得更差的成绩或职业结果，却提醒学生在择校时多问一句：进入高手密集的环境后，自己是否仍愿意主动争取机会、承受失败并建立可见成果？

学校信号的作用也会随时间改变。毕业初期，用人单位可能先问“你在哪里读书”；工作几年后，更重要的是“你做过什么项目”。随着工作表现逐渐显现，用人单位会减少对学校背景的依赖，研究将这种变化称为雇主学习效应（Employer Learning）[12,13]。这并不意味着学校背景从此失去影响。学校可能已经影响了一个人的第一份工作、最初进入的城市和建立的行业关系，而这些起点又可能继续影响后来的职业道路。这是基于路径依赖作出的合理推断，并非上述研究直接检验的结论。

三、大学排名：能告诉我们什么，又遗漏了什么 #

很多人把 QS 世界大学排名（QS World University Rankings）当成“教育质量排行榜”，但 QS 实际上是一项学校层面的综合指标，其中包含学术声誉、科研产出、雇主评价和就业结果等维度 [14]。不同排行榜的指标和权重并不相同，但都存在一个共同局限：排名衡量的是学校整体表现，学生却要选择具体专业、培养项目和职业入口。它不是衡量教学质量的精确标尺。

讨论“QS 越高是否越容易找到好工作”时，人们其实在用一个已经包含雇主评价和就业信息的指标解释就业表现。这种相关性具有参考价值，但不能推导出“第 40 名的教育质量是第 80 名的两倍”，也无法直接换算成对特定学生就业和收入的具体影响。

排名可以帮助学生和家长判断学校的大致层级，却会忽略更贴近个人选择的专业、行业和城市。英国研究发现，同一所学校内部，不同专业的收入差异也很大 [4,5]；澳大利亚数据则显示，专业和行业的影响可能强于学校类型 [9,10]。同一个综合排名在不同教育阶段的含义也不相同：

  • 本科更需要关注学校整体资源、专业基础、转专业空间，以及本科生实际参与实习和科研的机会。
  • 授课型硕士更需要关注课程内容、行业认证、实习安排和毕业去向。
  • 研究型硕士或博士更需要关注导师、研究方向、实验室氛围、经费和往届学生去向。
  • 跨地区或出国留学还会叠加语言环境、签证与工作条件、当地行业需求、汇率和回国认可度。

学校只是职业发展的一个条件。专业影响学生更容易进入哪些岗位，城市影响实习和行业入口，个人能力影响学生能否抓住机会，运气也始终存在。排名无法替代对这些因素的具体判断。

因此，排名适合用来做第一轮筛选，不应取代最终决策。当两个录取选择处于相近层级时，应优先比较专业实力、培养方式、行业联系和是否适合自己，再比较综合排名。

四、衡量经济回报：不同教育选择的比较方法 #

经济核算不是给大学标价，而是回答一个具体问题：如果一个选项确实提供了更强的平台，家庭需要获得多大的额外收益，才能收回多付出的成本？

计算必须比较两个真实选项，而不是把某个培养项目与“什么都不做”相比。增量总成本不仅包括学费和生活费的差额，还包括搬迁、贷款利息、汇率风险，以及读书期间放弃的收入。最简单的初步判断是：

简单回本门槛 = 两个选项的增量总成本 ÷ 预期回本年数

这个结果只适合初步筛选。若成本较高、需要贷款或回本周期较长，还要考虑税后收入、利息、汇率、收入增长和资金的时间价值。更重要的是，家庭需要判断获得额外收入的概率，以及即使收益没有出现，家庭能否承受损失。

不同教育阶段的成本结构和需要核查的数据并不相同。这里所说的“授课型硕士”，泛指以课程和职业训练为主的项目；“研究型硕士”则泛指以导师指导、论文和继续研究为主的项目。它们与中国的专业学位、学术学位并不完全一一对应。

教育阶段主要计算什么最应核查的统计学校平台可能影响什么
本科两所学校四年的实际支出差额专业去向、起薪和继续深造情况学校背景带来的初步印象、校招范围和机会多少
授课型硕士实际总支出、放弃的收入和搬迁成本该项目就业率、转行比例和收入中位数进入目标行业的可能性
研究型硕士奖助金未覆盖的支出和放弃的收入资助、完成率、研究成果与升博去向获得研究机会和有力推荐的可能性
博士奖助金未覆盖的支出，以及少工作数年的收入损失和职业影响资助期限、毕业时间、完成率与毕业去向完成培养并进入目标职业的可能性

一个计算示范：先找回本门槛，再看统计是否支持 #

假设学生选择资源更强的学校，四年总支出比另一个选项多 12 万元。家庭希望毕业后十年内收回这笔钱，那么学生每年的税后收入平均至少要比另一条路高 1.2 万元。这只是回本门槛，不代表名校一定能带来这笔收入。开头的中国研究观察的是毕业初期，也无法证明相同的工资差距会持续十年 [1]。

接下来需要判断：目标专业的毕业数据是否支持这项收入要求？学生获得相关岗位的概率有多大？如果没有获得预期收益，家庭是否仍能承担这 12 万元支出？统计数据可以帮助判断要求是否现实，却不能取代对个人结果的预测。公开的各国成本和资助数据只适合作为查询示例，不能互相比较或代替个人录取材料；相关口径见附录。

五、学生与家长：如何有效比较学校与培养项目 #

前面的分析最终需要落到具体选择上。比较两所学校或两个培养项目时，家长主要判断家庭最多能承担多少成本和风险；学生主要判断专业是否适合自己、能否拿到资源，以及有没有能力把机会变成成果。双方至少要核查以下五个问题：

  1. 专业、导师和培养方式是否匹配？ 本科阶段要看专业基础、转专业空间和课程质量；研究生阶段则要具体到导师、研究方向、实验室、经费与毕业去向。
  2. 大多数学生实际能获得多少机会？ 不要只看官网列出多少机会，还要看参与门槛、覆盖比例和竞争方式。学校拥有一项资源，不等于学生本人能够获得它。
  3. 学校与目标行业和城市如何连接？ 本地实习、校招范围、校友去向和签证政策，都可能比国际知名度更直接。对留学生而言，还要考虑语言环境、合法工作的期限和条件，以及毕业后留下或回国的路径。
  4. 家庭能否承受实际总成本？ 除学费外，还要考虑生活费、汇率、奖学金是否已经落实、读研期间少工作的收入损失，以及为了学校名气放弃其他选择可能损失的收入和机会。
  5. 学生能否适应并利用这个环境？ 喜欢竞争还是需要更多指导，擅长主动争取还是更需要明确支持，都会改变同一所学校对个人的实际价值。

怎样核查“这些资源到底拿不拿得到” #

  • 查具体专业或培养项目的课程手册、班级规模、毕业去向和统计年份，不用全校平均数据代替该专业或项目的数据。收入优先看中位数，同时确认是否包含未就业者、统计的是起薪还是多年后收入，以及样本覆盖了多少毕业生。
  • 查导师近三年的研究、正在进行的科研项目、招生方式和学生去向；研究型硕士或博士还要确认经费、指导频率和毕业要求。
  • 向同专业的在读生和毕业生询问具体问题：谁拿到了实习或研究岗位、参与门槛是什么、国际生或跨专业学生是否同样有机会。
  • 区分“合作企业名单”和“实际到校招聘名单”，也要区分“学校提供申请入口”和“学校保证实习岗位”。
  • 奖学金、学分转换、实习安排和毕业条件尽量以书面规则为准；签证与工作权利只以政府部门最新信息为准。

如果学校只展示少数成功案例，却不说明总共有多少学生、实际覆盖多少人、是哪一年的数据以及需要满足什么条件，这项“资源”就只能算潜在机会，不能直接计入个人收益。

对于没有名校背景的学生，承认学校之间确实存在机会差距，比轻描淡写地宣称“只要努力就行”更诚实。但名校优势可以拆解，其中一部分也可以通过校外路径补充：

名校可能提供的资源可替代或补充的校外路径
学校信号作品、论文、实习成果和公开项目
校友和导师网络专业社群、跨校合作和长期行业关系
实习与科研入口公开申请、竞赛、开源项目和校外实验室
后续选择权可迁移能力、标准化成绩、推荐信和研究记录

这些路径不能消除仅靠个人努力难以跨越的起点差距，却能帮助学生把“缺少名校背景”转化为更具体的问题：缺的是哪种资源，哪些可以自己补上，哪些需要另找入口。

明显的平台差距值得重视；相近的平台之间，不要被几十名排名绑架。

名校真正值得多付成本的情况，不是它在排行榜上高出几十名，而是它确实改变了学生能够进入的专业、行业、导师网络或后续发展路径，并且学生有较大机会把这些资源转化为自己的成果。否则，排名稍低但专业更合适、成本更可控、资源更容易获得的项目，可能是更好的选择。

附录：研究证据与方法说明 #

下面这部分是正文中所省略的研究细节，供需要看数据和方法的读者参考。

1. 中国：控制可观察因素后，精英大学工资差距明显缩小

  • 一项使用 2010 年中国大学生调查（CCSS）应届毕业生数据的研究发现，若不控制其他因素，精英大学毕业生的工资优势约为 26.4%；控制高考成绩、专业、学校所在地、个人特征和家庭背景后，这一优势降至约 10.7% [1]。研究者同时指出，仍可能存在未被观察的能力和动机差异，因此 10.7% 甚至可能高于学校产生的真实工资溢价。
  • 另一项研究基于 2010—2015 年 CCSS 六轮应届毕业生数据，利用高考录取线进行回归不连续设计，发现刚刚跨过精英大学录取门槛的学生，确实获得了更高的首份工作薪资 [2]。

2. 美国：控制申请和录取信息后，平均收益并不显著

  • Dale 和 Krueger 的核心分析使用 1976 年入学学生及其 1995 年收入调查，并结合对 1972 年高中毕业生跟踪至 1986 年的数据。
  • 研究比较了申请和录取经历相似、最终却进入录取门槛不同大学的学生；控制学生自身能力与抱负后，发现录取门槛更高的大学并未给大多数学生带来明显更高的平均收入 [3]。
  • 但来自低收入家庭的学生，可能从资源更强的学校中获得更明显的收益，名校带来的好处并不会平均落在每个人身上。

3. 英国：学校和专业同样重要

  • 2018 年报告覆盖 2003/04—2013/14 学年毕业生及 2005/06—2015/16 财年税务记录，主要考察毕业后 3—7 年的工资 [5]。
  • 2020 年报告则以 2002 年参加英国普通中等教育证书考试（GCSE）、主要出生于 1985/86 学年的学生为核心研究对象，收入数据跟踪至 2016/17 财年，30 岁以后的收入由模型模拟 [4]。
  • 研究发现，即使控制学生此前的成绩和家庭背景，不同大学和专业之间仍存在显著的收入回报差异；同一所大学内部的专业差异也很大 [4,5]。

4. 法国：教育轨道差异明显，但普通大学之间的影响有限

  • Giret 和 Goudard 利用法国就业与职业资格研究中心（Céreq）的“98 世代”（Génération 98）调查，研究了 73 所大学的 5,883 名年轻毕业生，样本在 1998 年离开教育体系，并在 2001 年春季接受调查。
  • 多层模型显示，大学之间仍存在一定的工资差异，但校际层面只能解释其中较小的一部分；更重要的影响来自学历层次、专业和个人教育经历 [6]。
  • 这项研究考察的是普通大学，结论不能机械外推到 Grandes Écoles（法国大学校）等精英轨道。

5. 意大利：资源高度集中的学校可能带来显著回报

  • Anelli 利用米兰一所精英大学的录取分数线进行回归不连续设计，核心样本是 1995—2000 年申请该校的学生，收入数据来自 2005 年税务记录。
  • 回归不连续估计显示，对于录取线附近、获得录取后实际入学的申请者，收入效应在不同带宽设定下约为 44—58 个对数点 [7]。对数点不能直接等同于普通百分比。
  • 专业选择最多解释总体效应的约三分之一；扣除不同专业的收入差异后，学校制度与质量效应约为 31—41 个对数点 [7]。这些结果属于录取线附近申请者的局部平均处理效应，不能外推到所有申请者或其他大学。

6. 加拿大：录取门槛带来的收益存在，但学校差距较小

  • Milla 使用加拿大“青年转型调查”（Youth in Transition Survey，YITS）的 1998—2009 年多年跟踪数据，通过匹配方法和工具变量方法校正非随机择校带来的偏差。
  • 录取门槛较高的大学，其毕业生在毕业 4—6 年后的工资优势估计为 7%—14.8%：匹配估计为 7%，工具变量估计为 14.8% [8]。

7. 澳大利亚：学校品牌被专业和行业削弱

  • Carroll、Heaton 和 Tani 利用 **2013—2015 年三轮毕业去向调查（Graduate Destination Survey）**与学生的澳大利亚高等教育入学排名（Australian Tertiary Admission Rank，ATAR）数据，观察到澳大利亚八校联盟（Group of Eight，Go8）毕业生存在约 4.3%—5.5% 的未经调整起薪优势，但其中约 13%—46% 可以由入学前更高的 ATAR 解释 [9]。
  • 另一项使用 2001—2012 年澳大利亚家庭、收入与劳动力动态调查（Household, Income and Labour Dynamics in Australia Survey，HILDA）第 1—12 轮数据的研究发现，在控制专业、行业、年龄等因素后，大学类型总体上没有显著的独立收入效应；专业和行业反而更强 [10]。

8. 各阶段成本与资助数据示例

以下资料只能说明可以从哪里查数据，不能直接用于比较不同国家或教育阶段：

  • 美国教育统计中心的 2020—2021 学年数据提供了四年制公立大学与私立非营利大学受助学生的平均净就读成本，但公立、私立并不等于低排名、高排名 [15]。
  • 深圳大学公布的 2025 年招生标准显示，不同培养方式和专业的硕士学费差异很大 [16]。美国教育部高校信息查询平台（College Scorecard）可以按学校、学位层次和专业查询收入及联邦学生贷款数据，但贷款数据不包含全部费用和利息 [17]。
  • 中国 2025 年学生资助政策列明了符合条件的全日制硕士和博士国家助学金标准，其他奖学金与助研补贴仍由学校规定 [18]。
  • 美国 2023 年科学、工程和健康领域研究生调查显示，硕士、博士和不同学科的资助方式存在差异 [19]。对 2023 年研究型博士获得者的另一项调查显示，学费减免较为普遍，但样本只包括已经获得博士学位的人，不能代表所有入学者 [20]。

实际核算时，只能使用个人录取和资助文件中已经确认的学费、奖助金额和资助年限，并注明统计年份与口径。

参考文献 #

[1] LI H, MENG L, SHI X, et al. Does attending elite colleges pay in China?[J]. Journal of Comparative Economics, 2012, 40(1): 78-88. DOI:10.1016/j.jce.2011.10.001.

[2] JIA R, LI H. Just above the exam cutoff score: Elite college admission and wages in China[J]. Journal of Public Economics, 2021, 196: 104371. DOI:10.1016/j.jpubeco.2021.104371.

[3] DALE S B, KRUEGER A B. Estimating the payoff to attending a more selective college: An application of selection on observables and unobservables[J]. The Quarterly Journal of Economics, 2002, 117(4): 1491-1527. DOI:10.1162/003355302320935089.

[4] BRITTON J, DEARDEN L, WALTMANN B, et al. The impact of undergraduate degrees on lifetime earnings[R]. London: Institute for Fiscal Studies, 2020.

[5] BELFIELD C, BRITTON J, DEARDEN L, et al. The relative labour market returns to different degrees[R]. London: Institute for Fiscal Studies, 2018.

[6] GIRET J-F, GOUDARD M. Effets établissement et salaires des diplômés des universités françaises[J]. Économie publique/Public Economics, 2007, 21(2): 123-153. DOI:10.4000/economiepublique.8042.

[7] ANELLI M. The returns to elite university education: A quasi-experimental analysis[J]. Journal of the European Economic Association, 2020, 18(6): 2824-2868.

[8] MILLA J. The Canadian university selectivity premium[J]. Review of Economic Analysis, 2018, 10(4): 313-349. DOI:10.15353/rea.v10i4.1473.

[9] CARROLL D, HEATON C, TANI M. Does it pay to graduate from an ‘elite’ university in Australia?[J]. Economic Record, 2019, 95(310): 343-357. DOI:10.1111/1475-4932.12492.

[10] KOSHY P, SEYMOUR R, DOCKERY M. Are there institutional differences in the earnings of Australian higher education graduates?[J]. Economic Analysis and Policy, 2016, 51: 1-11.

[11] MARSH H W, HAU K T. Big-fish-little-pond effect on academic self-concept: A cross-cultural (26-country) test of the negative effects of academically selective schools[J]. American Psychologist, 2003, 58(5): 364-376. DOI:10.1037/0003-066X.58.5.364.

[12] FARBER H S, GIBBONS R. Learning and wage dynamics[J]. The Quarterly Journal of Economics, 1996, 111(4): 1007-1047. DOI:10.2307/2946706.

[13] ALTONJI J G, PIERRET C R. Employer learning and statistical discrimination[J]. The Quarterly Journal of Economics, 2001, 116(1): 313-350. DOI:10.1162/003355301556329.

[14] QS QUACQUARELLI SYMONDS. QS World University Rankings methodology[EB/OL]. [2026-08-12]. https://www.topuniversities.com/world-university-rankings/methodology.

[15] U.S. DEPARTMENT OF EDUCATION, NATIONAL CENTER FOR EDUCATION STATISTICS. Price of attending an undergraduate institution: Condition of Education 2023[R/OL]. Data: 2020—2021 academic year. [2026-08-13]. https://nces.ed.gov/programs/coe/pdf/2023/cua_508.pdf.

[16] SHENZHEN UNIVERSITY. 深圳大学2025年硕士研究生招生章程[EB/OL]. Data: 2025 admissions. [2026-08-13]. https://yz.szu.edu.cn/info/1002/12974.htm.

[17] U.S. DEPARTMENT OF EDUCATION. College Scorecard field of study data documentation[R/OL]. Version: June 2024. [2026-08-13]. https://collegescorecard.ed.gov/assets/FieldOfStudyDataDocumentation.pdf.

[18] 中国政府网. 国家奖学金、国家励志奖学金、国家助学金……@大学生，这份资助手册请查收[EB/OL]. Policy data: 2025. [2026-08-13]. https://www.gov.cn/zhengce/202507/content_7032288.htm.

[19] NATIONAL CENTER FOR SCIENCE AND ENGINEERING STATISTICS. Survey of Graduate Students and Postdoctorates in Science and Engineering: Fall 2023[DB/OL]. Data: 2023. [2026-08-13]. https://ncses.nsf.gov/surveys/graduate-students-postdoctorates-s-e/2023.

[20] NATIONAL CENTER FOR SCIENCE AND ENGINEERING STATISTICS. Survey of Earned Doctorates 2023[DB/OL]. Data: 2023. [2026-08-13]. https://ncses.nsf.gov/surveys/earned-doctorates/2023.