大学专业与职业发展异质性研究*

谭 娅 封世蓝 黄 楠

（1.北京大学光华管理学院 北京 100871）

（2.北京大学马克思主义学院 北京 100871）

一、引 言

教育是国计，也是民生，受教育阶段的专业选择关乎毕业生未来的职业生涯和人生发展发向，选择不同的专业意味着知识和技能的不同，进而影响着后续的职业类型和薪酬水平（Arcidiacono，2004；Machin和Puhani，2003；Chevalier，2011；Long等，2015；Lindley和McIntosh，2015），甚至会影响一个人的社会地位和代际的社会流动性（Lucas，2001）。正因为如此，在选择文理和报考专业时，学生及其家庭十分慎重，而理性的选择需要建立在对学生自身特长和大学不同专业特点的了解之上，其中，不同专业的未来职业发展是专业选择决策的重要参考信息。由此可见，深入研究不同专业的职业发展差异，对于个体的教育决策有着重要的现实意义。此外，从劳动力市场的角度来看，专业差异导致的劳动者就业行为差异是不容忽视的。对不同专业的就业行为差异进行深入研究，能够为政府制定就业政策、企业制订人事计划、毕业生实现更高质量就业提供有益的参考。

国际上，关于不同专业劳动者在劳动力市场上表现的研究主要集中于不同专业和专业内部的薪酬差异。一部分文献探讨了不同专业之间的薪酬差异，并试图解释这些差异的来源。Arcidiacono（2004）利用美国1972年至1974年进入大学的个体数据分析表明，自然科学和商科的毕业生有显著更高的薪酬，他考虑了两个共存的影响机制：能力直接影响薪酬、能力通过影响专业选择来间接影响薪酬，而后，基于模型进行结构估计发现，薪酬差异能被不同专业之间能力差异所解释的部分很少。Long等（2015）所用的2007—2012年美国华盛顿州数据显示，信息技术和医学健康专业的毕业生薪酬最高，商科、工程类和数学统计类专业次之，研究发现大学新生的专业选择显著受到劳动力市场中的薪酬信息影响。另有一部分研究探讨了不同专业内部的薪酬差异。Chevalier（2011）利用英国数据研究发现，专业内部的薪酬差距比专业之间的薪酬差距更大。Lindley和McIntosh（2015）对1994年至2010年的调研数据研究，提出专业内部的薪酬差异与学生基础教育阶段的数学、阅读等能力差异以及不同专业的就业集中度有关，其中，医学、教育学和信息科学的就业集中度持续最高，而经济和人文艺术专业的就业集中度最低。

国内文献中，由于数据的缺乏，关于不同专业劳动者在劳动力市场的薪酬、职业流动等表现的研究较少，现有文献表明专业之间的薪酬差异存在且不容忽视，例如钱诚和王建民（2013）对2012年全国企事业单位新进毕业生调查数据显示不同专业的毕业生之间的起点薪酬差异较大。本科毕业生中法学和理学的平均起薪最高，分别为每月2 744元和2 705元，历史学和哲学的平均起薪最低，分别仅为每月1 250元和1 400元。在研究生中，工学的平均起薪最高，达到5 746元，而历史学仅为3 000元。吴秋翔（2018）使用“中国教育追踪调查”数据研究发现：高中文理分科是通过影响大学专业选择进而产生薪酬差异的，同一专业中的文理科毕业生薪酬没有显著差异，而不同专业间的文理科毕业生薪酬存在显著差异。除了薪酬之外，不同专业毕业生的就业行为也存在一定差异。赵晓航和田志鹏（2014）利用2013年北京两所高水平大学的抽样数据进行多项Logistic回归分析发现，不同专业的毕业生进入就业部门的概率存在差异，相比于人文社科类专业，理工医科和经济商科毕业生会更少地进入机关事业单位。黄楠等（2015）利用某高校2012—2014届的毕业生调查数据进一步发现，不同专业内部就业存在性别差异，法学和经济学专业毕业生中女性进入国有部门的概率显著低于男性。

现有文献尚缺乏关于不同专业的劳动者在职业流动和职业发展上的研究，本文试图利用独特的追踪数据对该领域研究进行有益补充。本文首先构造了一个在岗寻职的搜索与匹配模型阐述不同专业间职业流动差异的产生机制，并利用猎头公司的人才库数据，通过实证分析探讨了不同专业劳动者的职业选择和职业流动的动态变化过程。研究发现：STEM类专业（基础科学、技术、工程、数学）的劳动者更倾向于在高科技生产类企业工作，在入职初期流动性较高，但在后期职业趋于稳定；LEM类专业（法律、经济、管理）的劳动者在各个领域的就业分布相近，随着工作经验的积累，LEM类专业的劳动者会先于STEM类专业的劳动者进入职业稳定阶段，而其他文科类专业的劳动者更多在服务类企业工作，职业流动较为频繁。本文分为以下部分：第二部分构建搜索与匹配模型框架，分析不同专业劳动者的职业流动差异的产生机制，第三部分介绍独特的数据来源和实证方法，第四部分探讨不同专业劳动者在行业选择和职业流动行为方面的差异，最后总结全文。

二、不同专业的职业流动机制

本文采用Pissarides（1994）在岗寻职搜索匹配模型的分析框架，进一步引入劳动者的异质性和岗位的异质性，对不同专业劳动者的职业流动行为差异进行了分析。本文在Pissarides（1994）的基础上进行了两方面的理论创新：一是假设劳动者搜索岗位时根据岗位与自身专业的匹配程度进行求职决策，劳动者和岗位初次匹配时不一定完全匹配，可能出现劳动者专业和岗位要求不对口的情况；二是假设劳动者的专业类型存在异质性，包括理科类专业和文科类专业，两类专业的劳动者面对的岗位分布和岗位生产率存在差异。

假设劳动力市场中有L名理科类专业的劳动者和L名文科类专业的劳动者，简化假设这两类劳动者分别在两个子劳动力市场中求职，他们当中失业劳动者的比例分别为uS和uLA，在岗寻职的劳动者比例分别为eS和eLA。失业劳动者和在岗寻职的劳动者共同在V个企业中求职，每个企业创造一个理科岗位和一个文科岗位，令v表示岗位—劳动者数量比。假设每一期失业劳动者与空置岗位接触总数由匹配方程决定：

其中，等式左边的M表示每一期子劳动市场中劳动者与岗位接触的数量，等式右边m（·）是匹配方程，匹配方程的变量包括求职劳动者的总数，在两个子市场中分别为（uS+eS）L和（uLA+eLA）L，以及空置岗位的总数，在两个子市场中分别为vSL和vLAL，该方程是一次齐次方程，因此，每个劳动者与岗位发生接触的平均数量为m≡ML=m（u+e,v）。

（2）式说明对于厂商而言市场紧度越大，单个厂商与劳动者发生接触的概率q（θ）就越小。同样地，每个劳动者与厂商发生接触的平均概率可以表示成θq（θ）。

接着，在模型中引入专业与岗位之间相关程度的异质性，假设劳动者的专业与各个岗位之间有不同的相关度x∈［0,1］，当专业—职业相关度为1时，表示劳动者的专业与职业完全相关；为0时，表示专业与职业完全不相关。劳动者求职的过程中，他的专业与所接触的岗位的相关度是从一个特定分布中的随机取值，我们假设理科类专业与岗位的相关度服从分布FS（x），文科类专业与岗位的相关度服从分布FLA（x）。

从厂商的角度看，所聘用劳动者的专业和岗位之间的相关度会影响岗位的产出y（x），假设y'＞0，即专业—职业相关度越高，生产率则越高。相应地，对于劳动者来说，专业—职业相关度会影响他们得到的工资水平ω（x）。因此，劳动者在心里会有两个作为行动参考的保留专业—职业相关度：一个是接受工作的保留专业—职业相关度Ri（i∈｛S,LA｝），只有当自身专业与接触到的岗位的相关度高于该保留相关度，劳动者才会接受这份工作，否则会拒绝；第二个是进行在岗寻职的保留专业—职业相关度Ci（i∈｛S,LA｝），当自身专业与当前岗位的相关度低于该保留相关度时，他会一边工作一边寻找更好的岗位，反之，他会停止在岗寻职行为。接下来，我们对厂商决策和劳动者决策进行描述。

（一）厂商决策

设J表示一个满置岗位期望利润的折现值，V表示一个空置岗位期望利润的折现值，假设所有岗位都是在最高的专业—职业相关度（x=1）条件下被创造出来，并假设存在一个完善的资本市场，经济运行无限期，并且不存在动态参数变化，则一个新岗位的期望利润满足以下Bellman方程：

其中，p是专业—岗位匹配度最高时的产出，它的n倍（n∈（0,1））是创造新岗位的成本。

对于一个满置岗位来说，劳动者会在两种情况下离职：一是发生外生冲击λ，劳动者会离职并进入失业状态，二是该岗位上的劳动者进行在岗寻职，那么他会以一定的概率找到新的工作，离开当前岗位。当劳动者进行在岗寻职时，一个满置岗位的期望利润满足：

其中，ωse（x）是支付给有在岗寻职行为的劳动者的工资。

而当劳动者不进行在岗寻职时，一个满置岗位的期望利润满足以下Bellman方程：

其中，ωns（x）是支付给不进行在岗寻职的劳动者的工资。

（二）劳动者决策

设U为失业状态带给劳动者的期望收入的贴现值，W为就业状态带给劳动者的期望收入的贴现值。失业状态的期望收入的贴现值可以表示成以下Bellman方程：

在岗劳动者不寻职的期望回报满足：

在岗劳动者寻职时的期望回报满足：

第一，我们考虑关系着是否接受工作的保留专业—职业相关度Ri（i∈｛S,LA｝），它满足当xi=Ri时，将（6）式和（7）式代入得到：

第二，考虑关系着是否在岗寻职的保留专业—职业相关度Ci（i∈｛S,LA｝），它满足当xi=Ci时，将（7）式和（8）式代入得到：

（三）市场均衡与数值模拟

劳动力市场达成均衡时，假设岗位匹配收益通过纳什工资谈判在厂商和劳动者之间分配：maxw［W-U］β［J-V］1-β，求解出劳动者在岗寻职的保留专业—职业相关度Ci满足①因篇幅所限，本文省略了模型求解过程和部分均衡结果，感兴趣的读者可在《经济科学》官网论文页面“附录与扩展”栏目下载。：

其中，A=-β2p-（1-β）βrU是与Ci无关的常数。该式说明劳动者决策是否进行在岗寻职受到专业—职业相关度的分布Fi（·）和劳动者工资谈判的能力β的影响。

利用这个框架模拟理科类专业和文科类专业劳动者的职业流动行为。理科类专业劳动者职业技能的针对性较强，在应用与其专业相关技术的行业中才能充分发挥其专业知识，而文科类专业职业技能的普遍性较强，在多种行业的任职都能发挥其专业优势，这样的差异在Robst（2007）、李锋亮等（2009）中有所阐述。我们考虑一个特殊的分布情况，假设理科专业和文科专业面对的职业相关度分布如图1所示（左图为理科，右图为文科），理科面对的职业相关度的分布离散性更大，处于低相关水平和高相关水平的职业比例均比文科生更高，文科专业面对的中等相关水平职业的比例更高。

图1 理科劳动者（左）和文科劳动者（右）的职业匹配度分布

在该分布下，我们对其他变量进行设定，参考现有文献中估算的中国劳动收入份额（翁杰和周礼，2010；魏下海等，2013），设定工资分配比例系数β=0.4，参考Shi（2002）设定产出p=10，利率r=0.06，创造新岗位的成本占产出的比率n=0.6。

计算得到文科劳动者进行在岗寻职的保留相关性为0.72，占接受工作的文科劳动者总人数的83.54%，理科劳动者进行在岗寻职的保留相关性为0.86，在岗寻职的理科劳动者占接受工作的理科劳动者总人数的58.44%。这说明了在图1的分布下，理科劳动者进行在岗寻职的保留专业—职业相关度更高，在岗寻职的比例低于文科劳动者。

同时，专业—职业匹配带来的生产率提高程度影响职业流动行为。假设不同类型的专业在完全匹配的岗位上的产出是不一样的，理科劳动者在完全匹配的岗位上的产出是文科劳动者的κ倍，表1汇报了κ取不同值时的保留相关性模拟结果。可以观察到，随着理科劳动者与文科劳动者产出能力的差别增大，理科劳动者接受工作的保留相关性逐渐降低。这是由于人岗匹配带来的产出增加了，部分抵消了匹配度低对工资带来的负面效果。同时，由于生产能力较高，更换更高匹配程度的工作带来的预期工资收益也越高，导致理科劳动者决策是否进行在岗寻职的保留相关性增加，在岗寻职的人数比例增加。可以看到，在这样的假设下，不仅理科劳动者进行在岗寻职的保留相关性大于文科劳动者，理科劳动者在岗寻职的比例也大于文科劳动者了。

表1 理科劳动者的求职情况随参数κ的变化

（四）相关预测

根据理论分析，不同学科的职业发展不同，体现为在职业初期，理科类专业的劳动者求职成本更高，职业流动倾向更高，导致岗位流动行为更为频繁。不过在停止在岗寻职之后，理科劳动者对应的岗位匹配度也高于文科劳动者，这在长期会给理科类专业劳动者带来更高的职业稳定性。这些差异可能来自于：不同学科的岗位匹配度分布存在差异，这一点可以通过不同学科的行业分布来验证；不同学科从岗位匹配中得到的产出提高程度存在差异，间接体现为理科类专业的劳动者工资平均高于文科类专业；工资谈判能力存在差异。

如果将学科分为理工类、经管法类及其他文科三类，我们预期在数据中观察到：

（1）理工类专业的劳动者就业集中度更高，在职业前期有显著高于文科类专业的职业流动，随着时间推移，职业流动逐渐减少，职业趋于稳定。

（2）相比于理工类专业，经管法类专业的劳动者就业集中度更低，并且能更快进入职业稳定期。

三、数据来源和实证方法

（一）数据来源

本文数据来自诚通人力资源有限公司①诚通人力资源有限公司是中国第二大人力资源综合服务公司，主要业务包括人力资源外包、高级人才寻访、人力资源咨询、人才招聘、人才测评、教育培训等。来自公司主页，http://www.ccthr.com/。，涵盖诚通人力2014—2015年度人力资源外包和高级人才寻访两大主力业务中的所有电子简历总计2 019份，在剔除了简历信息严重不全的个体以及样本数量非常少的教育学和军事学专业的个体后，得到有效样本量1 648个。由于来自人力资源公司，该数据存在一定的局限性：首先，样本中不包括仅求职于很少采用人力外包或者很少通过平台招聘的用人单位的求职者；其次，人力资源外包和高级人才寻访业务对能力较强但是尚未达到高端人才水平的求职者覆盖程度比较有限。

样本数据中包括26个细分专业和34个行业，为了更为直观地体现不同专业的就业规律，我们将同类型的细分专业和具备相似特征的行业进行合并，得到三个专业大类和四个行业大类，以便于后续的分析。②因篇幅所限，本文省略了样本的描述性统计部分，感兴趣的读者可在《经济科学》官网论文页面“附录与扩展”栏目下载。

首先，我们将大学专业参照相关研究划分为三类：STEM专业、LEM类专业、文科类专业。STEM是西方教育领域中常用的专业划分概念，囊括了基础科学（Science）、技术（Technology）、工程（Engineering）、数学（Mathematics）四个专业大类。美国等西方国家对于STEM教育非常重视，认为其是高科技类工作岗位的根基。该专业划分参考了Montmarquette等（2002）等教育领域文献。LEM类专业包括法学（Law）、经济（Economics）、管理（Management），该专业划分参考了Chevalier（2011）等文献。我们将其他文科类专业划为一类，包括社会学/政治学、历史、文学、新闻传播/编辑出版、艺术及哲学/宗教。

其次，根据产业和所需技能将行业划分为四类：低技术生产类行业、高技术生产类行业、非专业服务类行业和专业服务类行业。其中，低技术生产类行业主要是传统的制造业③低技术生产类行业包括农业/渔业/林业、办公用品及设备、出版/印刷/包装、房地产开发/建筑工程/装潢/设计、服装/纺织/皮革、家具/工艺品/玩具等。；高技术生产类行业主要是高新科技产业④高技术生产类行业包括IT/软硬件/电子商务/因特网运营、电子技术/半导体/集成电路、航天/航空/能源/化工、机械/设备/重工、汽车及配件、通信、仪器仪表/工业自动化、制药/生物工程/医疗设备等。；非专业服务类行业是传统的服务业，对从业人员的专业技能要求较低或服务附加值较低⑤非专业服务类行业包括交通/运输/物流、餐饮/娱乐/旅游/酒店/生活服务、公共管理/社会保障/社会组织、快速消费品、贸易/进出口、物业管理/商业中心等。；专业服务类行业是现代服务行业，对从业人员的专业技能要求较高或服务附加值较高①专业服务类行业包括医疗/护理/保健/卫生、中介/咨询/猎头/认证、广告/公关/媒体/艺术、教育/培训/科研/院校、银行/保险/证券/投资银行/风险基金等。。

（二）计量模型

在职业流动行为的研究中，本文采用泊松计数模型。泊松回归模型假设因变量Yi在给定自变量Xi时是泊松分布，密度函数为

其中，yi=0,1,2,…表示离职次数，是计数的因变量，是均值参数，可以表示成个体特征变量的对数线性函数。需要注意的是，泊松模型需要因变量满足等离散性条件，即均值与方差相等。从本文附录中的描述统计可以看到，样本满足该条件，适用泊松计数模型。此外，我们用负二项模型进行了验证，回归结果与泊松模型一致。

关于不同专业劳动者对不同行业的选择，由于同时在两个生产类和两个服务类行业当中做出就业选择，本文采用刻画多值选择的多项Probit（Multinomial Probit）模型来分析，因变量是观测到的行业选择变量，该变量的赋值为低技术生产行业=1、高技术生产行业=2、非专业服务行业=3、专业服务行业=4，隐变量是无法观察到的进入各个行业的实际概率。

本文核心关注的解释变量是STEM专业和LEM专业，其回归系数分别代表了STEM专业、LEM专业劳动者相比于其他文科类专业劳动者在职业发展方面的差异。控制变量包括影响职业发展的各个因素，本文考虑了劳动者的基本信息、教育信息和职业信息。

基本信息包括性别、年龄、政治面貌、户口所在地。性别方面，男性和女性因职业观念不同、就业竞争力不同可能在职业流动上存在差异。工作经验方面，不同代际的观念不同、所经历的经济发展阶段不同，导致在职业流动上存在差异。此外，由于不同地区的文化、观念差异也会导致职业流动决策产生差异，我们还需要对劳动者户口所在地加以控制。

教育信息包括教育年限、学历水平、所学专业。根据劳动力市场分割理论（Segmented Labor Market Theory），低学历群体和高学历群体在就业市场上被自然分割，且获得的人力资本回报的差异难以弥合。教育对职业流动的影响是两方面的，一方面高学历的劳动者有更强的谈判力和学习能力而更容易找到新工作（Dickens和Lang，1985），另一方面，高学历的劳动者更容易找到适合的工作而降低了变更工作的必要性。

职业信息包括工作部门和工作行业。从工作部门来看，国有部门的工作相比于非国有部门更为稳定。从工作行业来看，不同工作行业的职业习惯、晋升模式存在差异，例如IT行业有时需要通过“跳槽”来提高薪资水平，因此，需要对劳动者工作的行业加以控制。

四、职业发展的专业差异

接下来，本文结合统计分析和计量结果，进一步探讨职业发展的专业差异，通过实证分析来验证第二部分的理论预测。

（一）行业选择的专业差异

不同专业的劳动者在选择工作行业时各有侧重，并且在求职过程中考虑的因素存在差异。表2的描述统计展示了不同专业的劳动者在行业选择上的差异，STEM类专业最多地选择高技术生产行业，人数占比达69%。LEM类专业的劳动者在四类行业中的分布比较平均，其中高技术生产行业和专业服务行业的人数最多，分别占到该专业总人数的32%和30%，而其他文科类专业的劳动者最多地选择专业服务行业，占该专业总人数的41%，次之是高技术生产行业（27%）。该分布特征与模型中的预测一致：理工科类专业劳动者的职业分布比较集中，而人文社科类专业职业分布相对均匀。

表2 不同专业选择行业的分布

为了更为准确地度量不同专业在行业间的分布情况，本文分别计算STEM类专业、LEM类专业和其他文科类专业的两个集中度指标，结果见表3。两个指标分别为：前三个行业的就业比例，它衡量了在就业人数最多的前三个行业中的人数占该专业总人数的比例，该比例越高说明就业的行业分布集中程度越高；赫芬达尔指数，其计算公式为，si为行业i中就业的人数占该专业总人数的比例，该计算公式赋予就业比例高的行业以更高的权重，该指数越大说明就业的行业分布集中程度越高。

表3 不同专业的行业集中度指标

表3的第一个集中程度指标显示了STEM类专业的行业集中程度较高，LEM类次之，其他文科类专业的行业集中程度最低，支持了理论模型中关于专业—职业匹配度的假设。具体来说，STEM类专业的劳动者就业前三的行业为IT/软硬件服务/电子商务/因特网运营、房地产开发/建筑工程/装潢/设计、制药/生物工程/医疗设备/器械，比例分别为46.5%、10.7%和9.0%；LEM类专业的劳动者就业前三的行业为银行/保险/证券/投资银行/风险基金、IT/软硬件服务/电子商务/因特网运营、房地产开发/建筑工程/装潢/设计，比例分别为12.6%、12.6%和11.5%；其他文科类专业的劳动者就业前三的行业为广告/公关/媒体/艺术、教育/培训/科研/院校、中介/咨询/猎头/认证，比例分别为12.94%、10.59%和10.59%。

赫芬达尔指数同样表明STEM类专业的行业集中度远高于其他两类专业。不过，LEM类和其他文科类专业的赫芬达尔指数相近，其他文科类的该指数值甚至更高。①由于数据限制，部分行业中没有其他文科类专业的就业数据，致使其他文科类的Hirschman-Herfindahl指数在计算中存在一定的偏误。

不同专业的行业选择特征在表4的多项Probit模型回归结果中也有所体现，该结果以低技术生产类行业作为基准，第（1）—（3）列汇报了高技术生产、非专业服务、专业服务三个行业的结果。在控制了个人特征和职业特征后，表示STEM类专业和LEM类专业的虚拟变量的系数表明，相较于其他文科类专业，STEM类专业的劳动者会更多地选择高技术生产行业，更少地选择服务行业，边际效应的结果显示，STEM类专业的劳动者相较于其他文科类专业选择高技术生产行业的概率高出41.2%。同时，LEM类专业劳动者的行业选择与其他文科类专业并没有显著差异。

从控制变量来看，男性以更高的概率选择低技术生产类行业，工作资历更久的劳动者更多地来自低技术生产类行业，拥有一线城市户口的劳动者更多选择专业服务类行业，进入国有体制的劳动者以更小的概率在高技术生产类行业就业。

表4 行业选择的Multinomial Probit回归结果

（二）职业流动的专业差异

关于专业差异对职业流动行为的影响，表5汇报了对第一年是否换工作、前三年换工作的次数以及前五年换工作的次数进行检验的实证结果，其中，第（1）列采用Probit概率模型，第（2）—（3）列采用泊松计数模型。其他文科类专业劳动者的职业流动频率在入职的前五年内持续较高（参见附录表A3），以他们为参照，STEM类专业劳动者在入职的第一年和入职的前三年有与文科类专业劳动者无差异的较高频次的职业流动，而入职前五年的职业流动次数相较于其他文科专业劳动者显著降低，说明STEM类专业劳动者在入职前期倾向于频繁更换工作，当工作经验积累到一定水平，职业流动大幅减少。LEM类专业劳动者则更早地进入职业稳定期，在入职的前三年职业流动频次就显著低于其他文科类专业劳动者，到入职的前五年，职业流动频次降低得更为明显，该结果与理论分析中的预测一致。从控制变量来看，进入国有体制就业对劳动者在职业初期的职业流动性上有显著的负向影响。此外，为了排除不同行业的职业流动惯例对实证结果的影响，本文选取了三类专业就业量均较大的金融行业样本进行了稳健性检验，与基准回归结论一致。①因篇幅所限，本文省略了稳健性检验部分，感兴趣的读者可在《经济科学》官网论文页面“附录与扩展”栏目下载。

表5 职业流动次数的回归结果

续表5

五、结 语

本文通过理论模型和实证分析探讨了不同专业的劳动者在劳动力市场中的职业发展差异，并提出了一种该差异的产生机制。在理论模型中，本文发现不同专业劳动者的职业发展差异来源于：（1）不同类型的专业面临的岗位分布不同，和理工科专业匹配度低的岗位相对于文科类专业更多，和理工科匹配度高的岗位也相对更多；（2）不同类型专业的劳动者存在工资差异，理工科专业劳动者在匹配度高的工作岗位中的工资显著高于文科类专业；（3）不同类型专业的谈判能力可能存在差异。

在经验分析中，我们利用独特的猎头公司人才库数据，通过描述统计和计量方法，支持了模型的假设，即STEM类专业就业的行业集中程度最高，LEM类专业次之，并且验证了理论模型的预测：（1）入职初期，STEM类专业的劳动者相比于LEM类和其他文科类专业更频繁地更换工作；（2）随着工作时间的推移，其他文科类专业的职业流动性一直保持比较高的水平，LEM类专业的劳动者会先于STEM类专业劳动者进入职业稳定期。

正因为不同专业类型的劳动者在劳动力市场中的职业发展存在差异，劳动者在选择专业时，一方面需要考虑自身能力和兴趣，另一方面也应将未来的职业发展预期纳入考量，包括预期进入的行业、预期的就业难度、预期的职业流动行为、预期的薪酬等，从而在专业选择和学习期间更有目标，以期在求职时找到更能发挥专业优势的工作，更好地实现专业技能向职业技能的转换。与此同时，国家在2018年5月2日推行的《终身职业技能培训》制度也为劳动者更好地适应劳动力市场发展方向、促进劳动者实现更高质量的就业、实现劳动者的全面发展提供强大助力。