形成型ブロック向け VIF
形成型指標ごとの多重共線性診断。Mode B 構成概念の標準的な品質基準で、明確な閾値 (< 5 で問題なし、< 3 で理想的) を備えます。
機能
本格的な PLS-SEM に必要なものを、すべて。
測定モデルから論文掲載可能なレポートまで、ユースケースごとに整理されています。PLS-SEM 文献の確立されたリファレンス値で検証済みです。
測定モデル
構成概念の信頼性と妥当性。反映型 (Mode A) と形成型 (Mode B) を 1 つのエディタで扱えます。
Loadings、weights、cross-loadings
指標ごとに外部モデルのパネルを完全表示します。反映型ブロックには loadings、形成型ブロックには weights、さらに cross-loadings によるコモンメソッド診断も行えます。
AVE > 0.5 convergent validity
信頼性：Cronbach、ρ_A、DG ρ、AVE
4 つの信頼性指標を 1 つの表にまとめます。Cronbach を下限、Dijkstra-Henseler の ρ_A を点推定値、DG ρ を上限、AVE を収束性指標として参照できます。
一次元性
反映型ブロックごとに固有値をチェックします (Dillon-Goldstein、第 1 および第 2 固有値)。ブロックが複数次元を測定している場合、ひと目で判別できます。
判別妥当性
構成概念の識別性を、独立した 3 つの観点から 1 つのパネルで確認できます。
HTMT
Henseler, Ringle & Sarstedt (2015) による heterotrait-monotrait 比。2015 年以降、あらゆる PLS-SEM 論文で標準となっています。閾値は 0.85 (厳格) または 0.90 (緩やか)。
HTMT2
Roemer, Schuberth & Henseler (2021) による幾何平均ベースの改良版。ブロック内で loadings が不均一な場合でもバイアスがなく、古典的な HTMT より保守的です。
Fornell-Larcker 基準
各 LV の √AVE を、他の LV との最大相関と比較します。1981 年以来の古典的なテストで、いまだ多くのジャーナルで必須とされます。
構造モデル
パス係数、効果量、効果の分解。直接効果、間接効果、特定効果まで。
パス係数と inner VIF
各構造パスの標準化ベータに加えて、予測 LV 間の多重共線性を診断する inner VIF も提供します。
R²、調整済み R²、BIC
内生 LV ごとの説明力に加え、サンプルサイズ調整版とモデル比較用のベイズ情報量規準 (BIC) を表示します。
0.02 · 0.15 · 0.35 Cohen f² thresholds
f² 効果量
パスごとの Cohen の f²：各予測変数が内生 LV の R² にもたらす固有の寄与を測定します。経験則は 0.02 / 0.15 / 0.35。
特定の間接効果
媒介チェーンを個別に一覧し、チェーンごとに点推定値と Bootstrap CI を表示します。総間接効果だけでなく、各パスの寄与を確認できます。
Q² > 0 predictive relevance
Q² 予測関連性
Blindfolding による Stone-Geisser の Q²。モデルがサンプル内適合を超えた予測力を持つかを判別します。
推測と検証
不確実性の定量化とサンプル間の比較。PLS-SEM コミュニティの標準的な手順を採用しています。
Bootstrap
復元抽出によるリサンプリングで、t 値、p 値、信頼区間を算出します。Cloud Run で実行され、5000 回の反復が一般的に 2 ～ 5 分で完了します。
モデレーション (two-stage)
構造モデルでの交互作用項を、Henseler & Chin (2010) の two-stage アプローチで扱えます。エディタからワンクリックで設定できます。
マルチグループ分析 (MGA)
グループ間の構造的差異を検定します。Bootstrap ベース (Henseler MGA) と置換ベースを同じビューで確認できます。
SRMR < 0.08 · GoF ≥ 0.36 approximate fit indices
モデル適合度 (SRMR、d_ULS、GoF)
近似的なモデル適合指標：SRMR (< 0.08 で良好)、saturated/estimated 向けの d_ULS、Tenenhaus et al. (2005) の goodness-of-fit。
高度な手法
標準ツールに欠けがちな、モダンな PLS-SEM 手法。1 つのエディタからワンクリックで。
FIMIX-PLS
有限混合分布によるセグメンテーションで、未観測のサブグループを浮かび上がらせます。結果が歪む前に、異質な効果を可視化します。
PLSpredict と IPMA
Shmueli の完全パネル (RMSE、MAE、MAPE と LM の比較) を備えた k-fold クロスバリデーションと、マネジメント判断向けの importance-performance マップ。
PLSc (consistent PLS)
反映型測定モデル向けの Dijkstra-Henseler バイアス補正。LV ごとの ρ_A、減衰補正後の相関、補正済みパスを提供します。
高次構成概念
階層モデル向けの disjoint two-stage ワークフロー。標準的な 4 タイプ (R-R、R-F、F-R、F-F) すべてに加え、入れ子の HOC にも対応します。
ガウシアン・コピュラ
構造的予測変数向けの Park-Gupta / Hult ほかによる内生性テスト。操作変数なしでバイアスを検出し、許容性チェックも行います。
Newton および PCA スキーム
準 Newton 法による inner weighting でより安定した収束を実現し、Lohmöller の PCA スキームを centroid と path の代替として利用できます。
レポートとエクスポート
モデルから論文まで直結。オープンフォーマットで、ロックインなし。
PDF publication-ready
論文用 PDF レポート
すべての表、構造図、方法セクションを含む論文掲載可能な PDF レポート。そのまま付録に組み込めます。
XLSX と LaTeX の表
各表を XLSX シートおよび LaTeX スニペットとして出力し、ワンクリックでコピーできます。Overleaf での再フォーマットに費やす数時間を節約します。
Report の JSON バンドル
レポート全体を構造化 JSON として出力します。再現性ステートメントや機械可読な解析に活用できます。フォーマットは公開されており、独自コンテナはありません。
SmartPLS インポート (.splsm)
既存の SmartPLS モデルを再構築せずにインポートできます。データ損失なしの 1 ステップ移行です。
Docker · GPL · On-Premise cloud or self-hosted
セルフホストとチーム
機密データ向けの Docker イメージ、研究グループ向けのバージョン比較付きマルチユーザープロジェクト。クラウドかオンプレミスかは、ご自由にお選びいただけます。
最初のモデルを実行する準備はできましたか？
無料アカウント、クレジットカードは不要です。最初のプロジェクトはクラウドで動作し、ご準備ができたらワンクリックでセルフホストに切り替えられます。