인적자원관리에 대한 중요성이 강조되면서 인사 평가에 대한 공정성 인식이 구성원의 동기부여를 통 한 태도와 성과에 미치는 영향에 관한 연구가 활발히 이루어지고 있다. 반면 어떠한 요인들이 평가 공정 성을 형성하는지에 대한 선행요인들에 대한 논의는 거의 이루어지지 않고 있으며, 이에 대한 이론적 논의 역시 대부분 공정성 이론에 기반을 두고 공정성 인식이 구성원의 태도와 행위에 미치는 효과를 설명하는 것으로만 제한적으로 이루어지고 있다. 이에 본 연구에서는 공정성 휴리스틱 이론을 도입하여 평가 정확성과 평가 유용성이라는 선행요인들이 평가 공정성 인식 형성에 어떠한 영향을 미치는지를 설명하는 한 편, 이러한 인사평가에 대한 공정성 인식 정도가 궁극적으로 업무성과에 어떠한 영향을 주는지를 살펴보 고자 한다. 이러한 관계를 검증하기 위하여 본 연구에서는 항공사 승무원에 대한 설문자료를 활용하여 인사평가에 대한 정확성과 유용성 인식이 분배 공정성 및 절차 공정성 인식에 미치는 효과와 이 두 가지 공정성 인식이 인사평가 정확성과 유용성 인식과 서비스 성과 간 관계를 매개하는 효과를 실증하였다. 국내 대형항공사 승무원을 대상으로 한 204명의 표본을 구조방정식모형을 통하여 분석한 결과, 인사 평가 에 대한 정확성 정도는 절차 및 분배 공정성 인식에 모두 통계적으로 유의한 영향력을 갖지 못하는 것으 로 나타났다. 반면, 인사 평가에 대한 유용성 정도는 분배 공정성 인식과 절차 공정성 인식 모두에 정(+) 의 관계를 가지는 것으로 나타났다. 또한 부스트래핑을 통한 다중매개모형을 분석한 결과, 인사평가에 대 한 유용성은 절차공정성 인식 및 분배 공정성 인식을 매개하여 서비스성과에 간접적인 영향을 미치는 것으로 나타났다. 이러한 이론적 논의들과 실증 결과들을 바탕으로 시사점과 연구의 한계점 및 향후 연구 방향이 결론 부분에 논의되었다.

Background: Parametric statistical procedures are typically conducted under the condition in which a sample distribution is statistically identical with its population. In reality, investigators use inferential statistics to estimate parameters based on the sample drawn because population distributions are unknown. The uncertainty of limited data from the sample such as lack of sample size may be a challenge in most rehabilitation studies. Objects: The purpose of this study is to review the bootstrapping method to overcome shortcomings of limited sample size in rehabilitation studies. Methods: Articles were reviewed. Results: Bootstrapping method is a statistical procedure that permits the iterative re-sampling with replacement from a sample when the population distribution is unknown. This statistical procedure is to enhance the representativeness of the population being studied and to determine estimates of the parameters when sample size are too limited to generalize the study outcome to target population. The bootstrapping method would overcome limitations such as type II error resulting from small sample sizes. An application on a typical data of a study represented how to deal with challenges of estimating a parameter from small sample size and enhance the uncertainty with optimal confidence intervals and levels. Conclusion: Bootstrapping method may be an effective statistical procedure reducing the standard error of population parameters under the condition requiring both acceptable confidence intervals and confidence level (i.e., p=.05).

The paper aims to estimate efficiency of watermelon by using a bootstrapping approach to generating efficiency estimates through Monte Carlo simulation resampling process. We use the input-output data for watermelon 107 farmers. The main results are as follows. The estimates of efficiency depends on the methodology. The estimates of general DEA is greater than the bootstrapping method. The technical efficiency and pure technical efficiency measure of watermelon is 0.72, 0.82 respectively. However the bias-corrected estimates are less than those of DEA. We know that the DEA estimator is an upward biased estimator. According to these results, the DEA bootstrapping model used here provides bias-corrected and confidence intervals for the point estimates, it is more preferable.