形成型构念的 VIF
形成型指标的多重共线性诊断。Mode B 构念的标准质量准则，阈值明确 (< 5 不严重，< 3 理想)。
测量模型
构念的信度与效度。反映型 (Mode A) 与形成型 (Mode B) 可在同一个编辑器中处理。
Loadings、weights 与 cross-loadings
每个指标的完整外模型面板。反映型构念使用 loadings，形成型构念使用 weights，并通过 cross-loadings 进行共同方法诊断。
AVE > 0.5 convergent validity
信度：Cronbach、ρ_A、DG ρ、AVE
一张表呈现四种信度指标。Cronbach 为下限，Dijkstra-Henseler ρ_A 为点估计，DG ρ 为上限，AVE 为收敛度量。
单维性
对每个反映型构念进行特征值检验 (Dillon-Goldstein 第一与第二特征值)。当一个构念测量了多个维度时，可立刻识别。
判别效度
在同一面板中提供三种独立视角，全面考察构念之间的区分度。
HTMT
Henseler、Ringle & Sarstedt (2015) 提出的异质-同质特质比。自 2015 年起成为各类 PLS-SEM 论文的标准。阈值 0.85 (严格) 或 0.90 (宽松)。
HTMT2
Roemer、Schuberth & Henseler (2021) 提出的几何平均改进版。在构念内 loadings 不均时仍无偏，比经典 HTMT 更保守。
Fornell-Larcker 准则
将每个 LV 的 √AVE 与其与其他 LV 的最大相关系数进行比较。自 1981 年沿用至今，仍是许多期刊的硬性要求。
结构模型
路径系数、效应量与效应分解，包括直接效应、间接效应与特定路径效应。
路径系数与 inner VIF
每条结构路径的标准化 Beta，以及用于诊断预测 LV 之间多重共线性的 inner VIF。
R²、调整后 R² 与 BIC
每个内生 LV 的解释力，加上根据样本量调整后的版本以及用于模型比较的贝叶斯信息准则 (BIC)。
0.02 · 0.15 · 0.35 Cohen f² thresholds
f² 效应量
每条路径的 Cohen f²：衡量每个预测变量对内生 LV 的 R² 所做的独立贡献。0.02 / 0.15 / 0.35 为经验阈值。
特定间接效应
逐条列出每一条中介链路，并给出每条链的点估计与 Bootstrap CI。不仅是总间接效应，还能看到每一条具体路径的贡献。
Q² > 0 predictive relevance
Q² 预测相关性
通过 blindfolding 计算 Stone-Geisser 的 Q²，识别模型是否具备超越样本内拟合的预测能力。
推断与验证
量化不确定性与样本间比较，全部采用 PLS-SEM 社区的标准化流程。
Bootstrap
有放回重抽样，用于计算 t 值、p 值与置信区间。在 Cloud Run 上运行，5000 次迭代通常 2 至 5 分钟即可完成。
调节效应 (two-stage)
结构模型中的交互项，采用 Henseler & Chin (2010) 的 two-stage 方法。在编辑器中一键设置。
多群组分析 (MGA)
检验各组之间的结构差异，可在同一视图中查看基于 Bootstrap (Henseler MGA) 与基于置换的结果。
SRMR < 0.08 · GoF ≥ 0.36 approximate fit indices
模型拟合 (SRMR、d_ULS、GoF)
近似模型拟合指标：SRMR (< 0.08 为良好)、面向 saturated/estimated 的 d_ULS，以及 Tenenhaus et al. (2005) 的 goodness-of-fit。
进阶方法
标准工具中常常缺席的现代 PLS-SEM 方法。一个编辑器，一键完成。
FIMIX-PLS
有限混合分群方法揭示未观测到的子群体。在结果被偏倚之前，让异质性效应清晰可见。
PLSpredict 与 IPMA
k 折交叉验证，包含完整的 Shmueli 面板 (RMSE、MAE、MAPE 与 LM 对比)，以及面向管理优先级的 importance-performance 图。
PLSc (consistent PLS)
面向反映型测量模型的 Dijkstra-Henseler 偏差校正。提供每个 LV 的 ρ_A、去衰减后的相关系数与校正后的路径系数。
高阶构念
面向层级模型的 disjoint two-stage 工作流。支持全部四种经典类型 (R-R、R-F、F-R、F-F)，以及嵌套 HOC。
高斯 Copula
针对结构预测变量的 Park-Gupta / Hult 等内生性检验。无需工具变量即可识别偏差，并带有可接受性检查。
Newton 与 PCA 方案
准 Newton 内权重方案可获得更稳定的收敛，Lohmöller 的 PCA 方案则是 centroid 与 path 之外的另一种选择。
报告与导出
从模型直接到论文。开放格式，无任何锁定。
PDF publication-ready
发表级 PDF 报告
可直接用于发表的 PDF 报告，包含全部表格、结构图与方法部分。可直接放入论文附录。
XLSX 与 LaTeX 表格
每张表格都提供 XLSX 工作表与 LaTeX 片段，一键复制。在 Overleaf 中节省数小时的重新排版时间。
JSON 报告包
将完整报告输出为结构化 JSON，可用于可复现性声明与机器可读的分析。格式公开，无专有容器。
SmartPLS 导入 (.splsm)
无需重新搭建即可导入现有的 SmartPLS 模型。一步完成迁移，数据不丢失。
Docker · GPL · On-Premise cloud or self-hosted
自托管与团队
面向敏感数据的 Docker 镜像，面向研究团队的多用户项目并带有版本对比。云端或本地部署，由你决定。