工资分配中两个普遍存在的经验规律是，工资的方差随着经验的增加而增加，工资剩余的创新具有很大的、不可预测的成分。对这些模式的主要解释是，随着时间的推移，要么企业了解了工人的生产率，但生产率保持不变，要么工人的生产率本身也在异质发展。在本文中，我们试图理清这两种模式，并对它们的相对重要性进行量化。我们推导了一个学习和生产力的动态模型，该模型嵌套了两个模型并允许它们共存。我们根据一家大型公司20年的薪酬和绩效指标(Baker-Gibbs-Holmstrom数据)来估算我们的模型。将绩效衡量纳入其中产生了两个关键创新。首先，面板结构意味着我们有重复的生产力相关措施，而不是雇主学习的经验证据，使用一个固定的措施。其次，我们可以将生产率与薪酬分开，而之前关于生产率进化的文献却不能。我们发现这两个模型在解释数据时都很重要。然而，主要的影响是工人的生产力随着时间的推移而发生特殊的变化，这意味着企业必须不断地了解一个移动的目标。 Therefore, while the majority of pay dispersion is driven by variation in individual productivity, wages differ significantly from individual productivity at all experience levels due to imperfect information. We believe this represents a significant reinterpretation of the empirical literature on employer learning.