我们使用瑞士学生事先对自己期望的工资分布的独特数据集，推导参数和非参数度量来捕捉预期工资风险。这些工资风险度量不受异质性的约束，这阻碍了在早期研究中使用实际市场工资分散作为风险度量。我们样本中的学生预期市场为风险提供补偿，正如根据市场数据估计的风险增强Mincer收入方程所建立的那样:教育群体的工资风险越高，平均工资越高。根据学生对风险的预期观察，我们发现补偿与市场数据中观察到的弹性相似。结果对不同的规范和估计模型都具有鲁棒性。