我完全同意您的看法。但是很多人去做技术主要还是因为受到数据的巨大局限，又没有办法摆脱中国问题的研究题目，最后只能走向技术。一个理想的状态当然是在数据可得，研究问题重要而新颖，对文献有边际贡献。
举个极端的例子，如果有randomized trial的数据，OLS就可以解决问题。但即使randomize tiial也有non compliance group，不得不使用Imbens and Angrist的IV办法。现实生活中，除了结构模型之外（这是宏观劳动经济学范畴），沈老师包括我们大部分人的研究对象是微观个体。而通常我们使用reduced-form看的是因果关系，这时候内生性是很难绕过去的一环。当然，具体研究很复杂，不像我提到的，就那么几类。

回到Zhaopin的数据。我今天粗略看了下，信息量很大，肯定能继续出文章。唯一遗憾的是只有雇主方信息。过去的绝大部分调研数据都是雇员方信息。中国应该还没有大规模雇主和雇员匹配的数据，这是一个很大的缺陷。当我们考虑mismatch的时候，往往只能照顾——要么忽略市场需求，要么忽略市场供给。而且相对而言，以中国数据为基础讨论mismatch的文章非常有限。当然，mismatch本身（微观劳动范畴）作为一个题目，也已经很多年没有进入field top和general top杂志了。也许中国问题方向上的拓展（毕竟现存文献大多数考察的是发达经济体），可以推动mismatch这个分支的发展。中国的overeducation和overskilling问题也开始出现，限于数据基本还是空白。印象中，应该是还没有过比较严谨的研究出现。Zhaopin数据应该可以从需求方向上提供中国出现overeducation的一些线索。但在供给方向上就很难了。。不知道2005census里是否有所体现。照理说，比对着两组数据，应该可以看出哪些行业或者职业有较为明显的错配。比如招聘方要求是某职位最低学历大专，但可能在census里，以京沪为例可能这个职业平均教育水平达到本科甚至研究生。虽然截面数据有缺陷，但起码我们可以看出一些问题。