利用从NLSY中获取的面板数据，我进行了以下联合估计:I)从一个年级到下一个年级过渡的简化动态模型，具有可观察到的和未观察到的异质性;ii)著名的Mincerian工资回归的灵活版本，具有技能异质性、学校教育中的非线性、学校教育和经验的影响之间的不可分离性以及异方差(在对未观察到的技能进行条件反射后)。该模型拒绝了实证文献中常见的所有简化假设。特别是，对数工资回归是高度凸的，即使在对未观察到的和观察到的技能进行条件反射之后。当忽略非线性时，技能异质性也被高估了。在技能异质性条件反射之后，学校教育对工资增长具有因果效应。我发现，在标准框架下(假设可分离性)得出的估计可能会低估进入劳动力市场后的教育回报，最多会低估15%。最后，我发现随机工资冲击的方差随经验的积累而减小，但或多或少与学校教育无关。