Sugerencias por pestaña
Un vistazo por pestaña
Abre Results, Editor, MGA o Advanced y verás 1 a 3 sugerencias en la parte superior. Cada sugerencia lee tu modelo actual y cita tus propios números.
PLS-SEM · Motor de código abierto Modelado de ecuaciones estructurales.
Modelado de ecuaciones estructurales.
Por fin moderno.
La plataforma abierta para modelos de ecuaciones estructurales: editor visual de rutas, el pipeline completo de PLS-SEM e informes listos para publicar. Directamente en el navegador. O autoalojado, cuando tus datos son sensibles.
O empieza con la Guía del usuario (76 páginas, PDF)
Sin instalación, sin tarjeta de crédito · Motor de código abierto · Validado frente a valores de referencia establecidos
Vista previa en vivo
Un modelo real, totalmente calculado.
Esto es lo que openpls-engine devuelve para una pequeña cadena Calidad → Satisfacción → Lealtad. Trayectorias, R², HTMT e ICs bootstrap en una sola vista.
Muestra de satisfacción del cliente ECSI (n = 250), 5 000 remuestreos bootstrap. Reproducible en el proyecto de demostración.
Flujo de trabajo
Cuatro pasos, de los datos al modelo.
- 01
Sube los datos
CSV, XLSX, SPSS o Stata: leemos lo que tengas.
- 02
Dibuja el modelo
Constructos y rutas mediante drag & drop. Vista previa en vivo de la estructura del modelo.
- 03
Calcula
Un clic. plspm calcula: cargas, rutas, intervalos de confianza por Bootstrap.
- 04
Exporta
Informe en PDF, tablas en XLSX, modelo en JSON o snippet LaTeX, todo en formatos abiertos.
Asistente de investigación IA Nuevo · Beta
IA ambiental que conoce tu proyecto.
Sugerencias contextuales aparecen mientras trabajas. Un panel de chat responde preguntas abiertas sobre tu modelo, siempre basadas en los números que ya calculaste.
Panel de chat IA
Pregunta, respuestas fundamentadas
Abre el robot en la esquina inferior derecha y pregunta cualquier cosa sobre tu modelo, datos o resultados. Cuatro herramientas de solo lectura dan acceso a la estructura del proyecto, nunca a las filas.
Dos diseñadores, un flujo conectado.
Convierte una pregunta de investigación en un modelo inicial en segundos. Obtén un cuestionario validado a partir de las LVs del modelo. Recopila datos, luego interpreta con el mismo asistente.
1
Diseñador de modelos IA
LiveEscribe tu pregunta de investigación. El asistente propone 3-6 variables latentes con modos (reflectivo/formativo), caminos hipotéticos con citas y 2-3 referencias de la literatura PLS-SEM. Un clic crea un nuevo modelo con LVs y caminos ya dibujados.
Pregunta de investigación
"¿Qué impulsa la lealtad del cliente en compras online de alimentos?"
↓
Trust · Reflectivo Perceived Quality · Reflectivo Satisfaction · Reflectivo Loyalty · Reflectivo
2
Constructor de cuestionarios
LiveDado el modelo, el asistente genera 4-6 items validados por LV con citas (Davis TAM, Zeithaml SERVQUAL, Cronin & Taylor …). O empieza desde cero y escribe items tú mismo. Edita inline, añade demografía, exporta como CSV / Markdown / JSON para Qualtrics, LimeSurvey o SoSci Survey.
Trust · Davis (1989)
trust1Confío en que esta tienda cumple sus promesas.trust2Esta tienda parece fiable en sus transacciones.trust3La tienda maneja con cuidado mis datos personales. Kit completo Nuevo
Todo lo que pide la literatura.
Quince métodos modernos de PLS-SEM (MGA, IPMA, PLSpredict, HOC, FIMIX, PLSc, HTMT2, moderación, CVPAT y más) en el mismo editor. Sin segunda herramienta. Sin marketplace de plugins.
Cuantifica la incertidumbre de los efectos y convierte el modelo en predicciones fuera de muestra.
-
IPMA
Importance-Performance Map: muestra qué constructos son altamente importantes y a la vez tienen bajo desempeño. Prioridad de gestión de un vistazo.
-
PLSpredict
Evaluación fuera de muestra con validación k-fold y el panel completo de Shmueli: RMSE, MAE y MAPE frente a un benchmark de modelo lineal, además de una tabla de ajuste dentro de muestra como contexto.
-
Efectos indirectos específicos
Cada cadena de mediación de tu modelo con estimaciones puntuales e intervalos de confianza bootstrap, valores t y valores p. Deja de reportar solo el efecto indirecto total.
-
CVPAT (capacidad predictiva)
Cross-Validated Predictive Ability Test según Liengaard et al. 2021. Comparación directa frente a benchmarks de media de indicadores o modelo lineal, prueba t emparejada, validación cruzada k-fold.
-
FIMIX-PLS
La segmentación por mezcla finita revela subgrupos no observados en tu muestra. Haz visibles los efectos heterogéneos.
-
MICOM
Test en tres pasos de Henseler–Ringle–Sarstedt para invariancia de medida: configural, composicional y escalar. Requisito previo obligatorio antes de cualquier comparación multigrupo entre países, segmentos o periodos.
Somete el modelo de medición y las ecuaciones estructurales a pruebas frente a sesgos habituales.
-
PLSc (PLS consistente)
Corrección del sesgo de Dijkstra-Henseler para mediciones reflectivas. ρ_A por LV, correlaciones desatenuadas, trayectorias y R² corregidos.
-
Validez discriminante
HTMT junto con el refinamiento por media geométrica HTMT2 (Roemer et al. 2021) y la prueba de Fornell-Larcker en paralelo. Tres perspectivas independientes sobre la distinción entre constructos en un solo panel.
-
Cópula gaussiana
Prueba de endogeneidad Park-Gupta / Hult et al. para predictores estructurales. Detecta sesgo sin variables instrumentales, con verificación de admisibilidad incorporada.
-
Validez nomológica
Registra por adelantado los signos esperados de las correlaciones entre constructos y contrasta cada hipótesis con pruebas t unilaterales. Convierte el capítulo teórico en un panel comprobable con un veredicto claro por relación.
-
Sesgo de método común (Lindell-Whitney)
Ajuste por correlación parcial con variable marcador para detectar varianza de método común. Elige un marcador teóricamente independiente, compara correlaciones ajustadas y crudas, evalúa si el CMB es un problema.
-
Moderación (Two-Stage)
Prueba términos de interacción en tu modelo estructural. Enfoque en dos etapas según Henseler & Chin, en un clic.
Construye topologías más ricas y elige el algoritmo de convergencia adecuado para tus datos.
-
Construcciones de orden superior (HOC)
Procedimiento disjoint two-stage para modelos jerárquicos. Los cuatro tipos canónicos (R-R, R-F, F-R, F-F) y HOC anidados, sin reconfigurar el editor.
-
Esquema Newton
Ponderación interna quasi-Newton para una convergencia más estable y rápida en modelos complejos.
-
Esquema PCA
Esquema de ponderación interna PCA de Lohmöller como alternativa a centroide y path. Libertad algorítmica por modelo.
Nuevo · Encuestas públicas
Del cuestionario al conjunto de datos. Con un enlace.
Publica tu cuestionario en una URL compartible, mira llegar las respuestas anónimas en vivo, impórtalas como conjunto de datos con un clic. Todo lo que los investigadores realmente necesitan, integrado.
Explorar encuestas públicas Snapshots por versión Introducción pública vs. notas internas Protección contra doble envío Respuestas solo para el propietario Import a dataset con un clic Página del encuestado multilingüe
Métodos, visualizados
Así se ven los resultados de verdad.
Cuatro ejemplos de lo que OpenPLS produce para tus análisis. Directamente desde los paneles explicativos de la app.
01
Distribución Bootstrap
5.000 remuestreos, estimación puntual y CI al 95 %. Así se ve la incertidumbre de un coeficiente de trayectoria.
02
Mapa de importancia y rendimiento
¿Qué constructos son importantes y rinden por debajo de lo esperado? Una vista en cuatro cuadrantes para priorizar decisiones de gestión.
03
Segmentación FIMIX
Detecta subgrupos no observados. Saca a la luz efectos heterogéneos antes de que sesguen tus resultados.
04
Simple Slopes
¿Cómo cambia un coeficiente de trayectoria con moderador bajo, medio y alto? Tres líneas dicen más que un solo p-value.
Casos de uso
Reproducibles en 60 segundos.
Cuatro modelos PLS-SEM publicados, disponibles como clones de un clic en tu workspace de OpenPLS. Cada uno incluye datos originales sintéticos, la definición completa del path y métricas clave reproducibles.
ECSI
European Customer Satisfaction Index
Customer Experience
Seis constructos reflectivos (Image → Expectations → Quality → Value → Satisfaction → Loyalty), el modelo canónico de la investigación en marketing de servicios.
- N
- 250
- LVs
- 6
- R²(SAT)
- 0.71
Fornell et al. (1996)
Abrir caso de uso UTAUT2 + Trust
Aceptación en e-commerce con confianza
Marketing / E-commerce
Performance expectancy, effort expectancy, influencia social y confianza explican la intención de compra y el uso real. Incluye variables sociodemográficas para multi-group analysis.
- N
- 400
- LVs
- 6
- MGA
- Age · Device
Venkatesh et al. (2012)
Abrir caso de uso JD-R
Engagement laboral (Job Demands-Resources)
RR. HH. / Comportamiento organizacional
Job demands y job resources actúan sobre la satisfacción y el desempeño vía engagement. Un modelo mediador clásico con cinco constructos.
- N
- 350
- LVs
- 5
- R²(JP)
- 0.40
Bakker & Demerouti (2017)
Abrir caso de uso TAM + Privacy
Adopción de apps de salud digital
Salud / mHealth
PEOU, utilidad, conciencia de salud y riesgo de privacidad inciden sobre actitud e intención conductual. El path negativo de privacidad funciona muy bien como ejemplo de tamaños de efecto f².
- N
- 380
- LVs
- 6
- Efecto
- PR → BI negativo
Davis (1989); Sun et al. (2013)
Abrir caso de usoClonar requiere una cuenta gratuita de OpenPLS.
Precios
Abierta hoy. Abierta para siempre.
La aplicación web es de uso gratuito. El motor es de código abierto bajo GPL-3.0 y siempre lo será.
Cloud
Gratis
Todo lo que necesitas para tu investigación. Alojado por nosotros.
- Modelos y datasets ilimitados
- Todos los informes y exportaciones
- Editor visual de rutas
- Comparación de versiones
Self-host
$0 GPL-3.0
Motor como contenedor Docker y librería de Python. En tu servidor, dentro de tu red.
- Funcionalidad completa del motor sin conexión
- CLI y API en Python
- Soberanía de datos para clínica e industria
- Soporte de la comunidad en GitHub
Consulting
Bajo petición A medida
Adaptaciones a medida, formación y asesoría metodológica para grupos de investigación.
- Coaching metodológico
- Modelos y plugins a medida
- Talleres in situ
- Soporte prioritario