Kaiser-Kriterium
Synonym: Kaiser-Guttman-Kriterium
Englisch: kaiser rule, kaiser criterion
Definition
Das Kaiser-Kriterium ist ein Verfahren zur Bestimmung der Faktorenanzahl in der explorativen Faktorenanalyse. Es besagt, dass ausschließlich Faktoren mit einem Eigenwert > 1 beibehalten werden sollten, da nur solche Faktoren mehr Varianz aufklären als eine einzelne standardisierte Variable.
Hintergrund
Die Grundlage des Kriteriums liegt in der Skalierung der Korrelationsmatrix: Bei standardisierten Variablen hat jede Variable per Definition einen Eigenwert von 1. Ein extrahierter Faktor ist demnach nur dann informationshaltig, wenn sein Eigenwert diesen Referenzwert übersteigt – er also die Streuungsinformation von mehr als einer Ursprungsvariable verdichtet.
Das Kriterium geht auf den Psychometriker Henry F. Kaiser zurück, der es in den 1960er Jahren formalisierte; eine parallel entwickelte Begründung wird Louis Guttman zugeschrieben, weshalb gelegentlich auch der Begriff Guttman-Kaiser-Kriterium verwendet wird.
In der Praxis zählt es zu den am häufigsten eingesetzten Retentionskriterien, unter anderem aufgrund seiner einfachen Anwendung und breiten Implementierung in Statistiksoftware (z.B. SPSS, R).
Limitationen
Das Kaiser-Kriterium gilt in der psychometrischen Methodenliteratur als konservativ bewertet: Es neigt dazu, die Faktorenanzahl zu überschätzen, insbesondere bei einer großen Anzahl von Ausgangsvariablen. Zudem fehlt dem Kriterium eine probabilistische Grundlage – es handelt sich um eine heuristische Regel, nicht um einen statistischen Test.
Als methodisch überlegene Alternativen gelten der Scree-Plot nach Cattell sowie die Parallelanalyse nach Horn, wobei Letztere in Simulationsstudien konsistent eine höhere Trennschärfe bei der Faktorenbestimmung zeigt. In aktuellen Empfehlungen wird das Kaiser-Kriterium daher meist nur noch ergänzend oder in Kombination mit der Parallelanalyse herangezogen.