作業中に文脈に沿ったヒントが表示されます。チャットドロワーがモデルに関する質問に、既に計算済みの数値に基づいて答えます。
タブごとに一目で
Results、Editor、MGA、Advancedを開くと、上部に1〜3個の提案が表示されます。各ヒントは現在のモデルを読み取り、あなた自身の数値を引用します。
質問し、根拠のある回答を得る
右下のロボットを開いて、モデル、データ、結果について何でも質問できます。4つの読み取り専用ツールがプロジェクト構造へのアクセスを提供し、生データ行にはアクセスしません。
Hair、Ringle、SarstedtのPrimer on PLS-SEMは428ページにわたる。ChinのR²レベル、HenselerのHTMT、Cohenのf²、RoemerのHTMT2、Shmueliのout-of-sampleルール - 厳密な分析のあらゆるステップには閾値、引用、そしてドメイン変動に関する注意がある。ベテラン著者でさえエディタの隣にPrimerを開いている。
AIコンパニオンはその厳密さを取り除きません。「調べる税」を取り除きます。あなたの現行プロジェクトを読み、該当する閾値を知り、出典を引用し、レビュアーが指摘するような発表を出そうとしている箇所を警告します。
最後の3つのフェーズがループを閉じます。適切な高度な方法を選び、ライブ出力から方法/結果/考察の段落を起草し、すべての主張がアシスタントが名前を挙げられるキュレートされた論文までたどれるようにします。
モデル形状、サンプルサイズ、結果を読み取り、それぞれ1行の根拠付きで順序付けられた高度な方法のパイプラインを提案します。MGAの前にIPMA。MGAの前にMICOM。n = 200未満ではFIMIXをスキップ。すべての提案は、越えたばかりの閾値を知っています。
ライブ計算出力から方法、結果、考察の段落をLaTeXまたはWordとして起草。レビュアーシミュレーションパスを含む：懐疑的なレビュアーが何に異議を唱えるか、そしてどの引用がそれに答えるか。
回答はすべての主張を50以上のPLS-SEM古典のベクトルインデックス化されたライブラリに根拠づけます。Chin、Henseler、Hair、Sarstedt、Ringle、Shmueli、Sarstedt et al.。各引用チップは論文のアブストラクトをドロワーで開きます。
研究質問を数秒でスターターモデルに変換。モデルのLVから検証済み質問票を取得。データを収集し、同じアシスタントで解釈します。
研究質問を入力します。アシスタントはモード（反射/形成）付きの3〜6個の潜在変数、引用付きの仮説パス、PLS-SEM文献からの2〜3個のブループリント参考文献を提案します。1クリックでLVとパスがすでに描画された新しいモデルを作成します。
モデルが与えられると、アシスタントはLVごとに4〜6個の検証済みアイテムを引用付きで生成します（Davis TAM、Zeithaml SERVQUAL、Cronin & Taylorなど）。または、ゼロから始めて自分でアイテムを書きます。インラインで編集、人口統計を追加、CSV / Markdown / JSONとしてエクスポートし、Qualtrics、LimeSurvey、またはSoSci Surveyで使用できます。
trust1 この店が約束を守ると信じています。 trust2 この店は取引で信頼できると思います。 trust3 店は私の個人データを適切に扱っています。 コンパニオンはフォームに貼り付けられたチャットボットではありません。あなたが既に使うパネルに織り込まれており、必要なものだけを読み取ります。
LVsとパスをドラッグしている間、アシスタントは現在の構造を読み取り、反映的/形成的モードの不整合、3未満のインジケータを持つLV、および孤立した構成要素を指摘します。相関するLVsが上位構成要素に整理できる場合を提案し、disjoint two-stageの適切なタイミングについてSarstedt et al. (2019)を引用します。
10倍ルールに対するサンプルサイズの妥当性、列ごとの欠損値監査、センチネルコード（−99、−999）の検出、同じ構成要素のインジケータ間のスケール範囲の一貫性。すべて列の要約から - データそのものからは決して。
名前付きカットオフを持つR²レベル（Chin 1998）、ペアごとのHTMT違反、LVごとの信頼性の失敗、SRMRフィット警告、そして現在の数値を考慮した次に実行すべき最も有用な方法。最もレバレッジの効くステップ - ほとんどの原稿はここで勝つか負けるかです。
アシスタントはあなたのデータセットで2–5レベルのカテゴリカル列（ジェンダー、市場、治療）をスキャンし、MGA候補を提案します。MICOM-before-MGAシーケンスを強制し、グループがn = 30を下回ると警告し、グループ間で比較すべき構造パスを提案します。
market列には4レベル（DE、US、UK、JP）があります。グループJPはn = 27 - 安定したブートストラップの30の下限を下回ります。JPを別のアジア市場と統合するか、MGAから除外してください。15以上の方法のうち、実際にあなたのモデルに合うのはどれか？アシスタントはあなたのR²、サンプルサイズ、モデル形状、信頼性メトリクスを読み取り、順序付けられたパイプラインを提案します。「次に何を実行すべきか」という質問に、引用付きの具体的で擁護可能な回答が得られます。
方法セクション、結果セクション、限界の議論 - あなたのライブ計算出力からLaTeXまたはWordの段落として起草されます。レビュアー防御パスを含む：懐疑的なレビュアーが尋ねるであろうこと、そしてあなたが答える引用。
コンパニオンは数字を発明しません。カットオフを引用するとき、その引用はシステムプロンプトに組み込まれており、OpenPLSも検証する正典的なPLS-SEM文献を反映しています。
| 基準 | カットオフ | 出典 |
|---|---|---|
| R²レベル | 0.19 / 0.33 / 0.67 | Chin (1998) |
| Cohenのf²レベル | 0.02 / 0.15 / 0.35 | Cohen (1988) |
| HTMT判別妥当性 | < 0.85（保守的）, < 0.90（リベラル） | Henseler et al. (2015) |
| HTMT2精緻化 | 幾何平均補正 | Roemer et al. (2021) |
| SRMRモデルフィット | < 0.08 | Hu & Bentler (1999) |
| Cronbachのα、合成信頼性 | ≥ 0.70 | Nunnally & Bernstein (1994) |
| サンプルサイズの10倍ルール | n ≥ 10 × LVへの最大パス | Barclay et al. (1995) |
| ブートストラップ反復（出版） | ≥ 5000 | Hair et al. (2022) |
| IPMA重要度 × パフォーマンス | 総効果 × 平均潜在スコア | Ringle & Sarstedt (2016) |
| PLSpredict k-foldパネル | RMSE、MAE vs. 線形モデルベンチマーク | Shmueli et al. (2019) |
アシスタントが確信のない閾値について尋ねられた場合、推測せずにそう言います。この動作はシステムプロンプトで強制されています - ハードルール：「確信のない閾値については、そう言い、数字を発明しないでください。」
OpenPLSユーザーセッションと一般的なPLS-SEM研究文脈から作成した例示的な合成。実在の人物ではありません。
コンパニオンはインジケータが2つしかないLoyaltyをフラグし、最小項目数についてHair et al. 2019を引用。Watanabe et al. 2018から3つ目の検証済み項目を追加。
LoyaltyのR² = 0.62。HTMT Trust ↔ Satisfaction = 0.88がフラグ。HTMT2精緻化を提案 - 0.83で綺麗に通過。レビュアー防御確保。
LoyaltyにIPMAを提案。Trustが優先度トップ（重要度0.42、パフォーマンス61）。Managerial Implicationsセクションのための即席貢献。
コンパニオンは疑わしく低いR²を検出。−99値が欠損として登録されていないと指摘。−99をデータセットのmissing-codesリストに追加することを推奨。
正しい欠損値処理後、Care-Quality → SatisfactionのR²が0.09から0.44に飛躍。結果は出版可能に。
Hospital IDに4レベル。コンパニオンはMICOMを最初に強制 - 部分不変性が保持。MGAは2施設間で有意なTrust → Loyaltyの違いを明らかに。
コンパニオンはService-Quality用のformative-reflective HOCを提案。Sarstedt et al. 2019 disjoint two-stageを引用。6項目がよりクリーンな2次元構成要素に。
PLSpredict k = 10。モデルはRMSEで線形モデルベンチマークを上回る。クライアントにin-sample R²とout-of-sample妥当性の違いを説明。
LaTeXテーブルとIPMA優先順位を直接エクスポート。締切2日前にレポートドラフト完成。
すべてのPLS-SEM論文はあなたの名前、あなたの防御です。コンパニオンはあなたの判断を強化するために意図的に構築されており、それを置き換えるためではありません。
モデルの形状、列の要約、R²、p値、HTMT行列、信頼性 - それだけです。データセットの行、アップローダーのID、ファイル名は決して。システムレベルの不変条件はコードで強制されており、プロンプトではありません。
各回答は、モデルが呼び出した4つの読み取り専用ツールのどれを表示します。数字を主張する場合、どのツールが表示したか確認できます。ブラックボックス解釈はありません。
コンパニオンは「LoyaltyでIPMAを実行」と提案できますが、計算自体を実行することはできません。あなたはすべての不可逆的なステップの運転席にとどまります。
システムプロンプトのハードルール：閾値や方法の適用可能性について不確かな場合、アシスタントは幻覚を見る代わりにそう言います。拒否は機能です。
コンパニオンは明示的なオプトインとクリアな同意表面の背後にあります。オンになったら、ワンクリックでオフに戻ります - 隠れた依存関係も再オンボーディングもありません。
ベータ期間中、ユーザーあたり月100チャットターンと100ヒント呼び出し。常にあといくつ残っているかがわかります。自動請求なし、驚くようなコストなし。
7つのフェーズすべてがライブです。研究質問からレビュアー防御まで、PLS-SEM原稿のあらゆるステップに、専用のAIコンパニオンが用意されました。
4つの読み取り専用ツールを使用してモデルに関する任意のオープンな質問に回答。2026-07-27からライブ。
すべてのプロジェクトタブの上部で1〜3のプロアクティブな提案。2026-07-27からライブ。
研究質問と構成要素の大まかなリストをスターターモデルに変換。アシスタントはLV、モード、パスを提案し、青写真として類似構造の2〜3の発表済みモデルを引用。2026-07-27からライブ。
モデル内の各LVについて、出典引用付きの4〜6の検証済み項目提案（Trust、Satisfaction、Loyalty、Perceived Usefulness、およびその他多くの一般的な構成要素）。2026-07-27からライブ。
プロジェクト全体（モデル + データ + 結果）を読み取り、順序付けられた高度な方法のパイプラインを作成 - MGAの前にIPMA、MGAの前にMICOM、out-of-sampleが重要な場所ではPLSpredict。すべての提案は越えたばかりの閾値を引用します。2026-08-03からライブ。
ライブ計算出力から方法、結果、考察の段落をLaTeXまたはWordとして生成。レビュアーシミュレーションを含む：懐疑的なレビュアーが何に異議を唱えるか、そしてそれに答える引用。2026-08-03からライブ。
すべての主張が50以上のPLS-SEM古典（Chin、Henseler、Hair、Sarstedt、Ringle、Shmueli）のベクトルインデックス化されたライブラリに根拠づけられます。引用チップはソース段落をドロワーで開きます。2026-08-03からライブ。