Suggerimenti proattivi per tab
Uno sguardo per tab
Apri Results, Editor, MGA o Advanced e vedi 1 a 3 suggerimenti in cima al tab. Ogni suggerimento legge il tuo modello dal vivo e cita i tuoi numeri.
PLS-SEM · Engine open-source Modellazione di equazioni strutturali.
Modellazione di equazioni strutturali.
Finalmente moderna.
La piattaforma aperta per i modelli di equazioni strutturali: editor visuale dei path, la pipeline PLS-SEM completa e report pronti per la pubblicazione. Direttamente nel browser. Oppure self-hosted, quando i tuoi dati sono sensibili.
Oppure inizia con la Guida utente (76 pagine, PDF)
Nessuna configurazione, nessuna carta di credito · Engine open-source · Validato rispetto a valori di riferimento consolidati
Anteprima live
Un modello reale, calcolato per intero.
Ecco cosa restituisce openpls-engine per una piccola catena Qualità → Soddisfazione → Lealtà. Percorsi, R², HTMT e IC bootstrap in un'unica vista.
Campione di customer satisfaction ECSI (n = 250), 5 000 ricampionamenti bootstrap. Riproducibile nel progetto demo.
Workflow
Quattro passaggi dai dati al modello.
- 01
Carica i dati
CSV, XLSX, SPSS o Stata: leggiamo qualunque formato tu abbia.
- 02
Disegna il modello
Costrutti e path tramite drag & drop. Anteprima live della struttura del modello.
- 03
Calcola
Un clic. plspm calcola: loading, path, intervalli di confidenza Bootstrap.
- 04
Esporta
Report in PDF, tabelle in XLSX, modello in JSON o snippet LaTeX, tutto in formati aperti.
Assistente di ricerca IA Nuovo · Beta
IA ambientale che conosce il tuo progetto.
Suggerimenti contestuali appaiono mentre lavori. Un pannello di chat risponde a domande aperte sul tuo modello, sempre basati sui numeri già calcolati.
Pannello chat IA
Chiedi, ottieni risposte fondate
Apri il robot in basso a destra per chiedere qualsiasi cosa sul modello, dati o risultati. Quattro strumenti in sola lettura danno accesso alla struttura del progetto, mai alle righe grezze.
Due progettisti, un flusso connesso.
Trasforma una domanda di ricerca in un modello iniziale in pochi secondi. Ottieni un questionario validato dalle LVs del modello. Raccogli dati, poi interpreta con lo stesso assistente.
1
Progettista modelli IA
LiveDigita la tua domanda di ricerca. L'assistente propone 3-6 variabili latenti con modi (riflessivo/formativo), percorsi ipotizzati con citazioni e 2-3 riferimenti dalla letteratura PLS-SEM. Un click crea un nuovo modello con LV e percorsi già disegnati.
Domanda di ricerca
"Cosa guida la fedeltà del cliente negli acquisti alimentari online?"
↓
Trust · Riflessivo Perceived Quality · Riflessivo Satisfaction · Riflessivo Loyalty · Riflessivo
2
Costruttore di questionari
LiveDato il modello, l'assistente genera 4-6 item validati per LV con citazioni (Davis TAM, Zeithaml SERVQUAL, Cronin & Taylor …). O parti da zero e scrivi gli item da solo. Modifica inline, aggiungi demografia, esporta come CSV / Markdown / JSON per Qualtrics, LimeSurvey o SoSci Survey.
Trust · Davis (1989)
trust1Confido che questo negozio mantenga le sue promesse.trust2Questo negozio sembra affidabile nelle sue transazioni.trust3Il negozio tratta con cura i miei dati personali. Toolkit completo Nuovo
Tutto ciò che la letteratura richiede.
Quindici metodi PLS-SEM moderni (MGA, IPMA, PLSpredict, HOC, FIMIX, PLSc, HTMT2, moderazione, CVPAT e altri) nello stesso editor. Nessuno strumento secondario. Nessun marketplace di plugin.
Quantifica l'incertezza degli effetti e trasforma il modello in previsioni out-of-sample.
-
IPMA
Importance-Performance Map: mostra quali costrutti sono molto importanti e al tempo stesso poco performanti. Priorità di management a colpo d'occhio.
-
PLSpredict
Valutazione out-of-sample con cross-validation k-fold e il pannello completo di Shmueli: RMSE, MAE e MAPE rispetto a un benchmark lineare, oltre a una tabella di fit in-sample per inquadrare i risultati.
-
Effetti indiretti specifici
Ogni catena di mediazione del tuo modello con stime puntuali e intervalli di confidenza bootstrap, valori t e valori p. Basta riportare solo l'effetto indiretto totale.
-
CVPAT (capacità predittiva)
Cross-Validated Predictive Ability Test secondo Liengaard et al. 2021. Confronto diretto contro benchmark di media indicatori o modello lineare, test t appaiato, cross-validation k-fold.
-
FIMIX-PLS
La segmentazione a mistura finita fa emergere sottogruppi non osservati nel tuo campione. Rende visibili gli effetti eterogenei.
-
MICOM
Test in tre passi di Henseler–Ringle–Sarstedt per l'invarianza di misura: configurale, composizionale e scalare. Prerequisito obbligatorio prima di qualunque confronto multi-gruppo tra paesi, segmenti o periodi.
Metti alla prova il modello di misurazione e le equazioni strutturali contro i bias più comuni.
-
PLSc (PLS coerente)
Correzione del bias di Dijkstra-Henseler per la misurazione riflettiva. ρ_A per LV, correlazioni disattenuate, percorsi e R² corretti.
-
Validità discriminante
HTMT insieme al raffinamento basato sulla media geometrica HTMT2 (Roemer et al. 2021) e al test di Fornell-Larcker, affiancati. Tre prospettive indipendenti sulla distinzione tra costrutti in un unico pannello.
-
Copula gaussiana
Test di endogeneità Park-Gupta / Hult et al. per i predittori strutturali. Rileva il bias senza variabili strumentali, con controllo di ammissibilità integrato.
-
Validità nomologica
Pre-registra i segni attesi delle correlazioni tra costrutti e verifica ogni ipotesi con test t unilaterali. Il capitolo teorico diventa un pannello verificabile con un verdetto chiaro per ciascuna relazione.
-
Common method bias (Lindell-Whitney)
Aggiustamento tramite correlazione parziale con variabile marker per individuare la varianza di metodo comune. Scegli un marker teoricamente indipendente, confronta correlazioni aggiustate e grezze, decidi se il CMB è un problema.
-
Moderazione (Two-Stage)
Testa termini di interazione nel tuo modello strutturale. Approccio in due fasi secondo Henseler & Chin, in un clic.
Costruisci topologie più ricche e scegli l'algoritmo di convergenza più adatto ai tuoi dati.
-
Costrutti di ordine superiore (HOC)
Procedura disjoint two-stage per modelli gerarchici. Tutti e quattro i tipi canonici (R-R, R-F, F-R, F-F) e HOC annidati, senza modificare l'editor.
-
Schema Newton
Inner weighting quasi-Newton per una convergenza più stabile e veloce sui modelli complessi.
-
Schema PCA
Schema di inner weighting PCA di Lohmöller come alternativa a centroid e path. Libertà algoritmica per ogni modello.
Nuovo · Sondaggi pubblici
Dal questionario al dataset. Con un link.
Pubblica il tuo questionario su un URL condivisibile, guarda le risposte anonime arrivare in tempo reale, importale come dataset con un clic. Tutto ciò che i ricercatori davvero servono, integrato.
Scopri i sondaggi pubblici Snapshot delle versioni Introduzione pubblica vs. note interne Protezione anti doppio invio Risposte leggibili solo dal proprietario Import dataset con un clic Pagina rispondente multilingue
Metodi, visualizzati
Ecco come appaiono davvero gli output.
Quattro esempi di ciò che OpenPLS produce per le tue analisi. Direttamente dai pannelli esplicativi dell'app.
01
Distribuzione Bootstrap
5.000 ricampionamenti, stima puntuale e CI al 95 %. Così appare l'incertezza attorno a un coefficiente di percorso.
02
Mappa importanza-performance
Quali costrutti sono importanti e sotto-performano? Una vista a quattro quadranti per definire le priorità manageriali.
03
Segmentazione FIMIX
Individua sottogruppi non osservati. Porta alla luce gli effetti eterogenei prima che distorcano i tuoi risultati.
04
Simple Slopes
Come cambia un coefficiente di percorso con moderatore basso, medio e alto? Tre linee dicono più di un singolo p-value.
Case study
Riproducibili in 60 secondi.
Quattro modelli PLS-SEM pubblicati, disponibili come clone con un clic nel tuo workspace OpenPLS. Ogni caso include dati originali sintetici, la definizione completa del path e metriche chiave riproducibili.
ECSI
European Customer Satisfaction Index
Customer Experience
Sei costrutti riflessivi (Image → Expectations → Quality → Value → Satisfaction → Loyalty), il modello canonico della ricerca di service marketing.
- N
- 250
- LVs
- 6
- R²(SAT)
- 0.71
Fornell et al. (1996)
Apri il case study UTAUT2 + Trust
Accettazione e-commerce con fiducia
Marketing / E-commerce
Performance expectancy, effort expectancy, influenza sociale e fiducia spiegano l’intenzione d’acquisto e l’uso effettivo. Sono incluse variabili sociodemografiche per la multi-group analysis.
- N
- 400
- LVs
- 6
- MGA
- Age · Device
Venkatesh et al. (2012)
Apri il case study JD-R
Engagement dei dipendenti (Job Demands-Resources)
HR / Comportamento organizzativo
Job demands e job resources agiscono su soddisfazione e performance attraverso l’engagement. Un modello mediatore classico con cinque costrutti.
- N
- 350
- LVs
- 5
- R²(JP)
- 0.40
Bakker & Demerouti (2017)
Apri il case study TAM + Privacy
Adozione di app sanitarie digitali
Sanità / mHealth
PEOU, utilità percepita, health consciousness e rischio di privacy determinano atteggiamento e intenzione comportamentale. Il path negativo della privacy è un ottimo esempio di effect size f².
- N
- 380
- LVs
- 6
- Effect
- PR → BI negative
Davis (1989); Sun et al. (2013)
Apri il case studyPer clonare serve un account OpenPLS gratuito.
Prezzi
Aperto oggi. Aperto per sempre.
L’app web è gratuita. Il motore è open source con licenza GPL-3.0 e resterà sempre tale.
Cloud
Gratis
Tutto ciò che serve per la tua ricerca. Ospitato da noi.
- Modelli e dataset illimitati
- Tutti i report e gli export
- Editor visuale dei path
- Confronto tra versioni
Self-host
$0 GPL-3.0
Engine come container Docker e libreria Python. Sul tuo server, dentro la tua rete.
- Funzionalità completa dell'engine offline
- CLI e API Python
- Sovranità dei dati per clinica e industria
- Supporto della community su GitHub
Consulting
Su richiesta Custom
Personalizzazioni, formazione e consulenza metodologica per gruppi di ricerca.
- Coaching metodologico
- Modelli e plugin personalizzati
- Workshop on-site
- Supporto prioritario