Ample evidence indicates that a person’s human capital is important for success on the labor market in terms of both wages and employment prospects. However, unlike the efforts to identify the impact of school attainment on labor-market outcomes, the literature on returns to cognitive skills has not yet provided convincing evidence that the estimated returns can be causally interpreted. Using the PIAAC Survey of Adult Skills, this paper explores several approaches that aim to address potential threats to causal identification of returns to skills, in terms of both higher wages and better employment chances. We address measurement error by exploiting the fact that PIAAC measures skills in several domains. Furthermore, we estimate instrumental-variable models that use skill variation stemming from school attainment and parental education to circumvent reverse causation. Results show a strikingly similar pattern across the diverse set of countries in our sample. In fact, the instrumental-variable estimates are consistently larger than those found in standard least-squares estimations. The same is true in two “natural experiments,” one of which exploits variation in skills from changes in compulsory-schooling laws across U.S. states. The other one identifies technologically induced variation in broadband Internet availability that gives rise to variation in ICT skills across German municipalities. Together, the results suggest that least-squares estimates may provide a lower bound of the true returns to skills in the labor market.

中文翻译：

---

技能，收入和就业：探讨技能回报估算中的因果关系

大量证据表明，从工资和就业前景两方面来看，一个人的人力资本对于在劳动力市场上取得成功至关重要。但是，与努力确定学业成绩对劳动力市场成果的影响不同，关于认知技能回报的文献尚未提供令人信服的证据，证明可以估计因果回报。通过使用PIAAC成人技能调查，本文探讨了几种方法，旨在从更高的工资和更好的就业机会两个方面来解决因技能回报而引起的潜在威胁。我们利用PIAAC在多个领域中衡量技能的事实来解决衡量错误。此外，我们估计了工具变量模型，该模型使用了来自学历和父母教育的技能差异来规避反向因果关系。结果显示，在我们的样本中，不同国家/地区的模式极为相似。实际上，工具变量的估计值始终大于标准最小二乘估计值中的估计值。在两个“自然实验”中也是如此，其中一项利用了美国各州义务教育法律的变化带来的技能差异。另一部分则指出了宽带互联网可用性的技术诱因变化，从而引起了德国各城市ICT技术的变化。总之，结果表明，最小二乘估计值可能会为劳动力市场中技能的真实回报提供较低的界限。结果显示，在我们的样本中，不同国家/地区的模式极为相似。实际上，工具变量的估计值始终大于标准最小二乘估计值中的估计值。在两个“自然实验”中也是如此，其中一项利用了美国各州义务教育法律的变化带来的技能差异。另一者指出了宽带互联网可用性的技术诱因变化，从而引起了德国各城市ICT技术的变化。总之，结果表明，最小二乘估计值可能会为劳动力市场中技能的真实回报提供较低的界限。结果显示，在我们的样本中，不同国家/地区的模式极为相似。实际上，工具变量的估计值始终大于标准最小二乘估计值中的估计值。在两个“自然实验”中也是如此，其中一项利用了美国各州义务教育法律的变化带来的技能差异。另一者指出了宽带互联网可用性的技术诱因变化，从而引起了德国各城市ICT技术的变化。总之，结果表明，最小二乘估计值可能会为劳动力市场中技能的真实回报提供较低的界限。工具变量的估计值始终大于标准最小二乘估计值。在两个“自然实验”中也是如此，其中一项利用了美国各州义务教育法律的变化带来的技能差异。另一者指出了宽带互联网可用性的技术诱因变化，从而引起了德国各城市ICT技术的变化。总之，结果表明，最小二乘估计值可能会为劳动力市场中技能的真实回报提供较低的界限。工具变量的估计值始终大于标准最小二乘估计值。在两个“自然实验”中也是如此，其中一项利用了美国各州义务教育法律的变化带来的技能差异。另一者指出了宽带互联网可用性的技术诱因变化，从而引起了德国各城市ICT技术的变化。总之，结果表明，最小二乘估计值可能会为劳动力市场中技能的真实回报提供较低的界限。另一者指出了宽带互联网可用性的技术诱因变化，从而引起了德国各城市ICT技术的变化。总之，结果表明，最小二乘估计值可能会为劳动力市场中技能的真实回报提供较低的界限。另一者指出了宽带互联网可用性的技术诱因变化，从而引起了德国各城市ICT技术的变化。总之，结果表明，最小二乘估计值可能会为劳动力市场中技能的真实回报提供较低的界限。