| Sub-element | Score | Rationale |
|---|---|---|
| Source Tier | 8 | F3の平均ティアはT1.1。政府統計（BNM、DOS、IMF）、WHO、学術論文がT1として約60%。T2（World Bank、調査会社レポート）が約30%。T3が約10%。T4なし |
| Recency | 8 | F3のfreshness_2yr_ratioは0.87で非常に高い。GDP・インフレ・人口動態は2024-2025年データが中心。T&CM Act 2016は構造的ファクトとして軽微な減点のみ GDP成長率・インフレ率・為替は動態的ファクト（volatility=high）だが、最新2024-2025年データで充足。高齢化トレンド・規制フレームワークは構造的ファクト（volatility=low）で古くても影響軽微 |
| Convergence Value | 7 | GDP成長率でIMF 4.1% vs BNM 4.0-4.8% vs OECD 3.8%と予測機関間で概ね20%以内の乖離。インフレ率も1.8-3.5%の範囲で整合。人口動態データはDOSの公式統計で一致 |
| Convergence Scope | 7 | PESTの各軸で測定対象の定義が明確。GDP・インフレ・人口動態はマクロ指標として標準化されている。T&CM利用率の定義（TCM vs T&CM全体）にやや差があるが主要ソース間は一致 |
| Specificity | 8 | マレーシア固有データが大半。GDP成長率、インフレ率、人口動態、T&CM Act 2016、TCM施術者登録数、ウェルネス市場規模等がマレーシアに完全特化。推定値の使用は最小限 |
| Sub-element | Score | Rationale |
|---|---|---|
| Inference Depth | 8 | 各PEST要因は公式統計からの直接引用（1ステップ）。GDP→消費環境、高齢化→TCM需要のマクロ→インパクト推論は明確 |
| Reasoning Type | 7 | PESTフレームワークを体系的に適用。各軸毎に複数のデータポイント（N=15）を帰納的に集約。フレームワークの適用は教科書的に正しい |
| Counter Check | 5 | Economic軸でGDP予測の不確実性（IMF vs BNM vs OECD）を認識。インフレ圧力（ガソリン補助金改革）のリスクも言及。ただし為替変動リスクや中国経済減速の反証検討が不十分 |
| Cross Fw Consistency | 7 | F3（PEST）とF9（規制マップ）のPolitical要因が完全整合。F3のSocial要因（高齢化）とF1（市場規模成長予測）が整合。F3のTechnological要因とF13（テクノロジーランドスケープ）が整合 |
| Sub-element | Score | Rationale |
|---|---|---|
| Required Items Rate | 7 | 11項目中8項目充足（73%）。P/E/S/T各軸の主要因は全て充足。世代別TCM受容度、中国経済リスクの定量評価、為替変動リスク評価が欠落 |
| Critical Gaps | 6 | Critical Gapなし。欠落している世代別受容度・為替リスク等は重要だが、PEST分析の主要結論を覆すほどではない。各軸の主要因は十分にカバー済み |
| Obtainability | 6 | 世代別TCM受容度は追加のresearch-lookupで取得可能性あり。為替変動リスクは金融機関レポートから取得可能。中国経済減速の定量影響はサプライチェーン分析レポートで取得可能性あるが保証なし |
単一仮説として結論を提示