这篇文档属于类型a，是一篇关于明星关联对职业发展影响的原创研究论文。以下是针对该研究的学术报告：

明星光环的庇护效应：明星关联对职业结果的影响
作者及机构：
Lei Liu（埃克塞特大学商学院管理系）、Martin Kilduff、Sun Young Lee、Colin M. Fisher（伦敦大学学院管理学院）
发表期刊及时间：
*Journal of Applied Psychology*，2025年（第110卷第11期，1490-1510页）

一、学术背景

本研究隶属于组织行为学与社会网络研究交叉领域，聚焦于明星员工（star performers）对其同事职业发展的长期影响。尽管已有研究表明，明星关联（star connections）能帮助个体获得职位（如Kilduff等2016年关于NBA助理教练招聘的研究），但明星关联对职业晋升或解雇等长期结果的影响尚未被探索。

研究基于平衡理论（balance theory）和反射荣耀效应（basking-in-reflected glory, BIRG），提出：明星关联会通过塑造评估者的高绩效预期，缓冲员工实际工作表现对职业结果的影响。具体而言，明星关联的员工在表现不佳时更不易被解雇，但在表现优异时获得的晋升优势更弱。

二、研究流程与方法

研究包含两项互补的子研究：

Study 1：NBA教练职业轨迹的实证分析

研究对象：
- 1976-2015年NBA的179名主教练（1,158个教练-赛季观测值）和589名助理教练（3,657个助理教练-赛季观测值）。

关键变量：
1. 明星关联（star connectedness）：助理教练时期与明星主教练（满足五项绩效里程碑之一，如赢得NBA总冠军、季后赛场次超阈值等）共事的赛季数。
2. 主教练绩效：实际胜率与赛季前ELO评分预测值的差值（反映超额或不足绩效）。
3. 职业结果：是否被解雇（fired，二元变量）。

分析方法：
- 采用随机效应逻辑回归模型，控制教练年龄、种族、球员经历、任期、团队期望等变量。
- 通过替代模型（如固定效应模型、Cox比例风险模型）验证稳健性。

Study 2：实验验证机制

设计：
- 2（明星关联 vs. 非关联）×2（超额绩效 vs. 不足绩效）混合设计。
- 参与者：478名在职员工（模拟为高级管理者），评估两名虚拟员工（一名有明星关联，一名无）的晋升/解雇倾向。

关键操作：
- 明星关联通过描述员工曾与“行业巨星”共事来操纵。
- 员工绩效分为比预期高5分（超额）或低5分（不足）。
- 测量参与者的绩效预期、归因（能力、努力、运气）及决策偏好。

分析方法：
- 广义估计方程（GEE）处理重复测量数据，中介分析采用Bootstrap法检验预期绩效的中介作用。

三、主要结果

Study 1发现：

1. 明星关联的缓冲效应：
   
   • 表现不佳时，非关联教练被解雇概率显著高于明星关联教练（44.16% vs. 29.65%，p=0.01）。
     
   • 表现优异时，非关联教练获得更多晋升优势（交互作用β=0.97，OR=2.64，p=0.01）。
     
2. 持久性：明星关联效应可持续至关联结束后9年。
   

Study 2发现：

1. 预期绩效的中介作用：
   
   • 评估者对明星关联员工的绩效预期更高（M=69.54 vs. 58.21，p<0.001）。
     
   • 高预期导致明星关联员工的实际绩效对决策影响更弱（晋升偏好：β=-0.74，p<0.001；解雇偏好：β=0.39，p=0.07）。
     
2. 归因分析：明星关联员工的低绩效更少被归因于能力不足（内部归因效应量=-0.12，p<0.05）。
   

四、结论与价值

1. 理论贡献：
   
   • 首次揭示明星关联的长期职业效应，整合社会网络理论与认知一致性理论。
     
   • 提出“绩效预期透镜”机制，解释为何明星关联会削弱绩效与结果的关联性。
     
2. 实践意义：
   
   • 组织需警惕明星关联可能导致的评估偏差，尤其是在高透明度行业（如体育、娱乐）。
     
   • 个体应意识到明星关联的“双刃剑”效应：短期助力招聘，但长期可能限制绩效回报。
     

五、研究亮点

1. 方法创新：
   
   • 结合纵向档案数据（NBA 40年教练数据）与实验因果链验证。
     
   • 开发基于ELO评分的绩效期望量化方法，优于传统胜率指标。
     
2. 发现新颖性：
   
   • 明星关联的缓冲效应与“马太效应”相反：明星关联者未被更严厉惩罚，但获得更少奖励。
     

六、其他价值

研究还探讨了边界条件（如团队质量、内部晋升）和替代解释（如归因偏差），增强了结论的普适性。数据与代码公开（OSF平台），符合开放科学规范。

此研究为理解社会网络与职业不平等提供了新视角，未来可延伸至其他高曝光行业（如科技、金融）的明星效应研究。