詹姆斯·约瑟夫·赫克曼出生于美国的芝加哥市。
除芝加哥之外，赫克曼还在美国南方居住过。20世纪50—60年代时美国南方的种族歧视很猖獗。黑人不能与白人在同一个饭馆就餐，不能用一个厕所，更不能坐在公园里的同一条长条凳上。所有这些都深深地震动了赫克曼，因此才导致了后来他对于黑人问题的研究，促成了许多论文的发表，如《政府对黑人劳动力市场状况的影响：一个评述》等。
赫克曼有着丰富的学术经历并曾在多所著名大学任教。1965年刚获得数学学士学位后任马丁-玛丽埃塔宇航公司系统工程师；1967年任经济顾问委员会初级经济师；1970—1973年任职哥伦比亚大学助教，1973—1974年升职为副教授；1975—1976年任兰德公司顾问；1977年起任芝加哥大学经济学教授。由于对黑人问题的关注，赫克曼还曾于1985—1988年成为美国国家科学院黑人状况研究小组的成员。另外，赫克曼还于1988—1990年兼任过耶鲁大学的经济学教授。
赫克曼由于工作优异，曾得过多种荣誉称号及奖励。其中有，1972—1973年成为全国经济研究局以哈里·谢尔曼的名字命名的研究员；1978—1979年成为斯坦福大学行为科学高级研究中心研究员；1980年当选为经济计量学学会会员；1983年获得美国经济学协会颁发的约翰·贝茨（克拉克奖章；1984年被耶鲁大学授予欧文·费希尔教授的称号；1985年被选为美国人文社会科学院院士；1985年在芝加哥大学被授予亨利·舒尔茨教授头衔，并于1995年进一步被授予亨利·舒尔茨杰出服务教授头；1992年被选为全国科学院院士；1996—1997年由选举而成为美国中西部经济协会主席；1999年被拉丁及加勒比海经济协会聘为荣誉会员；并最终由于其出色的经济学领域的研究成果而获得2000年度诺贝尔奖。
赫克曼还于2001年被中国武汉华中理工大学授予荣誉教授称号。2001年6月15日，中国社会科学院和外经贸部在社科院共同举办了赫克曼学术报告会，赫克曼在会上介绍了他最近的研究成果和美国与世界经济。赫克曼教授在京停留期间，还受到了外经贸部时任副部长龙永图的接见。2001年6月16日至6月20日，中国数量经济学会在重庆市召开年会，赫克曼在会上作了《微观计量学方法》的大会主题报告，介绍了获奖的主要工作和在教育等方面的计量应用研究。6月18—日，中国国际经济技术交流中心、联合国开发计划署、重庆市西部开发工作领导小组办公室、中国社会科学院数量经济与技术经济研究所在重庆共同举办了《西部开发与资本市场国际研讨会》，赫克曼教授在会上做了题为“西部开发与人力资本”的报告。赫克曼还参与起草、修订了于2003年11月在中国珠海召开的世界经济宣言大会上的纲领性文件《世界经济发展宣言》。
瑞典皇家科学院将2000年度诺贝尔经济学奖授予了美国芝加哥大学的詹姆斯·约瑟夫·赫克曼和加利福尼亚大学的麦克法登两位教授，以表彰他们俩在微观经济计量学理论与方法上的贡献。他们的理论与方法已经在经济学及其他社会学科里广泛地应用于个人与家庭行为的统计分析中。赫克曼的主要成就在于他对分析选择性样本的理论和方法的发展。
要介绍两位获奖者的事迹，首先就要介绍一点微观经济计量学。微观经济计量学是相对于宏观经济计量学而言的。宏观经济计量学主要是使用定量方法研究宏观经济学上的问题，例如，国民经济为主体的经济行为。微观经济计量学则是使用定量方法研究微观领域的经济学问题，如个人、家庭和企业的经济行为问题。由于统计工作的健全与强化，微观数据越来越容易得到。另外，随着计算机的普及，计算机的功能也越来越强大。这些因素都导致了使用数据可以对越来越多的问题进行实证研究。例如，决定个人在就业方面的因素是什么？是什么因素导致某个人做出就业或者不就业的决定？如果就业，又是什么因素决定他每周工作多少小时？又如，是什么经济因素影响个人在教育投资上的决定？为什么有的人决定多上几年学，而有的人倾向于早参加工作，早取得收入？这里面除了个人在接受教育的能力方面的差异外，是否还有其他因素？在使用微观数据进行诸如上述问题的研究时会有一些问题，赫克曼的贡献在于他解决了在使用微观数据进行统计分析时所产生的根本问题，并且他的方法具有过硬的经济学理论作为支持。所以，赫克曼的方法现已成了经济学家们以及其他社会科学领域的科学家们的标准工具。
那么，什么是刚才提到的在使用微观数据进行研究时会产生的有一些问题呢？
在使用数据进行定量研究时，首先要采集数据。当样本空间太大，无法对其整体进行研究时，就要进行抽样。从统计学角度讲，为了不使研究得出偏颇的结论，最好是随机抽样。但有时由于某种原因而无法做到随机抽样。例如，现在想研究一下工资收入水平与受教育程度之间的关系，用数据验证一下是否像很多人声称的工资收入真地随着教育程度的提高而提高。于是，就开始采样收集数据。但在这个过程中却产生一个问题，即对于有工作的人，可以采集到他的工资数字；但对于没有工作的人，就无法采集到他的工资数字。因此，这样的样本就不是一个完全的随即机本，而是被称之为选择性样本，而用这种选择性样本进行研究所产生的偏差叫做选择偏差。
在上述例子中，选择偏差产生的主要原因是，教育程度高的人群失业人数相对较少，因此他们有工资收入，所以这些人的工资数据容易得到；而在失业大军中，教育程度低的占的比例相对较大，这些人的工资数据就无法得到。如果这些人就业，他们的工资很可能较低，因此他们宁可选择不工作而呆在家里。换句话说，在无法采集到的数据里，因受教育程度低而工资低的占了大部分。但是，在现实中也有一些受教育程度低的人，由于种种原因，如并不低的能力等，而获得不错的工资收入。如果用这样所搜集到的数据进行分析处理，我们就很容易做出这样的判断，即教育程度高的人其工资也高，教育程度低的人其工资也低，但却低不了多少（因为受教育程度低而导致工资很低的人群因无法被观察到而不包括在数据样本里）。因此，似乎受教育程度对工资收入的影响就比较小。这样一来，受教育程度对个人收入的影响就会被低估。针对这一问题，赫克曼提出了著名的赫克曼修正法。这个方法由两步所组成。第一步先构造一个基于经济理论的概率模型，利用这一模型预测出每个人参加工作的可能性大小，即概率。第二步再把这些预测出的概率作为一个新的自变量加到原来的模型中去。那些不工作（或者说失业）的人，其就业的平均概率必然比较小。因此，当把由第一步所预测出的概率作为一个新的自变量加到原来的模型里时，这些因为教育程度低而导致工资低的人就在第二步的模型里被考虑进去了，由此就得到更准确的受教育程度与个人工资收入之间的关系。至此，赫克曼就解决了上述问题。
上述受教育程度与工资收入之间的关系仅仅是无数应用实例之一。赫克曼的方法还可用于处理许多类似的问题。例如，移民的移民行为与导致移民的因素之间的关系。是什么因素促使人们做出移民的决定？是教育，是工资待遇，是住房，还是社会政治因素？如果我们用传统方法进行统计分析，就会只考虑那些已经移民的人们而忽略那些尚未移民的人们。
赫克曼方法的一个重要应用领域是劳动经济学。例如，研究一个人平均花费多长时间才能找到一份工作，这是一个很有实际意义的课题。找到一份工作所花费的时间可能与很多因素有关系，如学历、口头表达能力、书写能力、仪表等。如果用传统方法，我们可以调查了解那些已经找到工作的人，询问他们花费了多长时间找到那份工作。但对于那些尚未找到工作的人，怎样进行分析处理？如果忽略了这部分人群，则分析结果就会产生偏差。由这类问题所引出的一类模型叫做持久模型。这类模型在其他领域的应用由来已久。例如，在工程领域研究一部机器多长时间以后失效；在医学领域研究某种病人在接受某种治疗后可以存活多长时间等。在社会科学领域，赫克曼与他的长期合作伙伴，普林斯顿大学的伯顿-辛格教授合作创立的使用这一模型的经济计量方法已被广泛应用。但赫克曼在劳动经济学领域的某些研究成果却不得不让人感到悲观。例如，传统上，政府为了提高就业率，总是想投资办一些职业培训班，但赫克曼却指出投资办这些培训班的经济效益非常低，有时甚至为负效益！但在另一方面，这些不同培训班的效果却因参与者以及培训内容的不同而大相径庭。看来，这一问题的回答还需要进一步的研究。
