在本文中，我们系统地评估了使用国际文献中传统的替代方法对教育不匹配的测量发生率及其收入影响的影响。我们使用丰富的澳大利亚纵向数据集，以控制全职雇佣工人的群体。使用面板数据估计，我们解决了个体异质性和测量误差，这是教育错配分析的重要因素。我们表明，在面板固定效应工具变量(FEIV)估计中，替代测量方法会导致一系列估计，其中模态测量在工具变量(IV)选择上提供最稳定的结果。基于模式测度，过度教育的发生率为32.3%。每年过度教育的收入惩罚为2.5%，这在固定效应估计中大于0.6%，在OLS估计中也大于1.9%。