可视化编辑器
潜变量、指标和路径都可通过拖放完成。无需编写 YAML，无需写代码，零摩擦上手。
实时预览
一个真实模型，完整计算。
这是 openpls-engine 针对一个小型「质量 → 满意度 → 忠诚度」链返回的结果。路径、R²、HTMT 与 bootstrap 置信区间，一屏全览。
ECSI 客户满意度样本 (n = 250)，5 000 次 bootstrap 重采样。可在演示项目中复现。
功能特性
严肃的 PLS-SEM 研究所需的一切，应有尽有。
成熟的统计方法、现代化的工具体验、开放的标准格式。
完整的 PLS-SEM 流程
载荷、权重、路径系数、R²、GoF，全部对照 PLS-SEM 文献中的成熟参考值完成验证。
清晰的报告
PDF、XLSX、LaTeX，加上可直接用于发表的 Publication JSON 包，可一键嵌入你的论文。表格、图表、方法部分，各自一次点击即可生成。
自托管处理敏感数据
提供 Docker 镜像，适用于教学、临床和企业场景。你的数据始终留在自己的网络中。
开放的导出格式
模型、权重和报告均以开放标准（JSON、CSV、LaTeX）输出。可自由迁入或迁出其他 PLS 工具，避免供应商绑定。
团队协作与版本管理
面向研究团队的合著者、审阅者与版本对比功能。告别冗长的邮件往来。
高级分析 新功能
超越标准流程之外。
十种现代 PLS-SEM 分析，在同一编辑器中一键完成，无需第二款工具。
量化效应的不确定性，并将模型用于样本外预测。
-
IPMA
重要性-绩效矩阵：直观显示哪些构念既高度重要、同时绩效偏低，让管理优先级一目了然。
-
PLSpredict
k 折样本外评估，配套完整的 Shmueli 面板：RMSE、MAE 与 MAPE 对照线性模型基准，另附样本内拟合表格作为参照。
-
特定间接效应
模型中每一条中介链路，都附带点估计、Bootstrap 置信区间，以及 t 值与 p 值。不再只汇报总间接效应。
-
FIMIX-PLS
有限混合分群方法揭示样本中未观测到的子群体，让异质性效应清晰可见。
针对常见偏差检验测量模型与结构方程。
-
PLSc (一致 PLS)
针对反映性测量模型的 Dijkstra-Henseler 偏差校正。提供每个潜变量的 ρ_A、解衰减相关，以及修正后的路径系数与 R²。
-
区分效度
HTMT、几何平均改进版 HTMT2 (Roemer 等 2021)，以及 Fornell-Larcker 检验，并排呈现。三种独立视角同时审视构念之间的区分性，集中在同一面板。
-
高斯 Copula
针对结构预测子的 Park-Gupta / Hult 等内生性检验。无需工具变量即可检测偏差，内置可接受性 (admissibility) 检查。
-
调节效应（两阶段法）
在结构模型中检验交互项。一键完成 Henseler 与 Chin 提出的两阶段法。
构建更丰富的模型拓扑，并为数据选择合适的收敛算法。
-
高阶构念 (HOC)
面向层次化模型的 disjoint two-stage 流程。涵盖全部四种规范类型 (R-R、R-F、F-R、F-F) 及嵌套 HOC，无需重构编辑器。
-
Newton 方案
准 Newton 内权重方案，让复杂模型的收敛更稳定、更迅速。
-
PCA 方案
Lohmöller 的 PCA 内权重方案，是 centroid 与 path 之外的另一种选择，每个模型都可自由切换。
方法可视化
看看实际的输出长什么样。
OpenPLS 为你的分析生成的四个示例，直接来自应用内的解释面板。
01
Bootstrap 分布
5,000 次重抽样、点估计和 95 % CI，路径系数的不确定性就是这样呈现的。
02
重要性-表现地图
哪些构念既重要又表现不佳？用四象限视图为管理决策排定优先级。
03
FIMIX 分群
发现未观测到的子群体，在异质效应扭曲结论之前把它们揭示出来。
04
Simple Slopes
当调节变量处于低、中、高水平时，路径系数会如何变化？三条线胜过一个单独的 p-value。
工作流程
四步，从数据到模型。
- 01
上传数据
CSV、XLSX、SPSS 或 Stata：你有什么格式，我们都能读。
- 02
绘制模型
通过拖放方式构建潜变量和路径，模型结构实时预览。
- 03
计算
一键运行。plspm 自动计算载荷、路径与 Bootstrap 置信区间。
- 04
导出
报告导出为 PDF，表格导出为 XLSX，模型导出为 JSON 或 LaTeX 片段，全部基于开放格式。
适用人群
来自实际场景的具体应用。
PLS-SEM 适用于一切需要估计潜在的、无法直接观测的构念之间关系的场景，从博士论文到《财富》500 强企业的市场研究部门。
科研与教学
没有授权门槛的实证研究
博士论文、期刊投稿和课程教学：无需商业许可证，也无需共享实验室账号。开源引擎、文档化的方法学、可复现的报告。
- 面向医疗 IT 采纳的接受度模型（TAM / UTAUT）
- 酒店业研究中的服务质量与忠诚度（ACSI / ECSI）
- 声誉与信任模型（Corporate Reputation Model）
市场营销与客户体验
究竟是什么在真正驱动你的客户 KPI？
与其逐一计算各触点的相关性，OpenPLS 直接同时估计整个系统。你可以看清哪个杠杆真正撬动了忠诚度和 NPS，哪些只是噪音。
- 基于调研数据的 NPS 与 CSAT 驱动因素模型
- 客户旅程影响模型（认知 → 信任 → 转化）
- 使用形成性指标的品牌资产研究
工业与运营
让复杂流程的潜在驱动因素可被测量
OpenPLS 尤其擅长样本量小、指标多的场景，这正是员工调研、供应商调研和创新调研的典型设定。
- 员工敬业度与安全文化（safety-climate 模型）
- 供应商绩效与供应链韧性
- 创新能力（吸收能力、动态能力）
医疗健康与公共部门
敏感数据，清晰方法
通过 Docker 容器自托管，可将患者和员工数据保留在你自己的网络内。方法学与云端版本完全一致，并为伦理委员会提供完整文档。
- 康复与护理领域的患者报告结局模型
- 数字健康产品的采纳（DTx、远程医疗）
- 电子政务项目的公民信任模型
案例研究
60 秒内即可复现。
四个已发表的 PLS-SEM 模型，可一键克隆到您的 OpenPLS 工作区。每个案例都附带合成的原始数据、完整的路径定义以及可复现的关键指标。
ECSI
European Customer Satisfaction Index
客户体验
六个反映型构念（Image → Expectations → Quality → Value → Satisfaction → Loyalty），服务营销研究中的经典模型。
- N
- 250
- LVs
- 6
- R²(SAT)
- 0.71
Fornell 等 (1996)
查看案例详情 UTAUT2 + Trust
含信任因素的电子商务接受度
营销 / 电子商务
Performance expectancy、effort expectancy、社会影响与信任共同解释购买意向与实际使用，并附带可用于多组分析（MGA）的人口统计变量。
- N
- 400
- LVs
- 6
- MGA
- Age · Device
Venkatesh 等 (2012)
查看案例详情 JD-R
员工敬业度（Job Demands-Resources）
人力资源 / 组织行为
Job demands 与 job resources 通过 engagement 作用于满意度与绩效，是含五个构念的经典中介模型。
- N
- 350
- LVs
- 5
- R²(JP)
- 0.40
Bakker 与 Demerouti (2017)
查看案例详情 TAM + Privacy
数字健康应用的接受度
医疗健康 / mHealth
PEOU、感知有用性、健康意识与隐私风险共同作用于态度与行为意向。隐私的负向路径非常适合用于讨论 f² 效应量。
- N
- 380
- LVs
- 6
- 效应
- PR → BI 为负
Davis (1989); Sun 等 (2013)
查看案例详情克隆需要免费的 OpenPLS 账户。
引擎完全开源
计算引擎（载荷、路径、Bootstrap、拟合）全部开源，遵循 GPL-3.0，可复现、可审计。论文的方法部分不会被供应商绑架。
持续扩展
IPMA、PLSpredict、调节效应、FIMIX 分群以及 Newton 与 PCA 内权重方案均已上线。每项扩展都先进入引擎，再进入应用。
对照参考结果完成验证
不断扩充的示例模型矩阵会对照 PLS-SEM 文献中的成熟参考值进行核验：载荷、路径、R²、SRMR 等。各案例的状态全部公开。
价格
今日开放。永远开放。
Web 应用可免费使用。引擎采用 GPL-3.0 协议开源，并将始终保持开源。
云端
免费
研究所需的一切，由我们托管运行。
- 模型与数据集数量不限
- 全部报告与导出功能
- 可视化路径编辑器
- 版本对比
自托管
$0 GPL-3.0
以 Docker 容器和 Python 库形式提供引擎。部署在你自己的服务器上，运行在你自己的网络中。
- 离线状态下提供完整引擎功能
- CLI 与 Python API
- 面向临床与工业的数据主权
- GitHub 上的社区支持
咨询服务
按需报价 定制方案
面向研究团队的定制化适配、培训与方法学建议。
- 方法学指导
- 定制模型与插件
- 现场工作坊
- 优先支持