KaiserKriterium

Das Kaiser-Kriterium, englisch Kaiser criterion, ist eine Daumenregel zur Bestimmung der Anzahl zu behaltender Faktoren bzw. Hauptkomponenten in der Faktorenanalyse und der Hauptkomponentenanalyse (PCA). Es besagt, dass nur Komponenten mit Eigenwerten größer als 1 beibehalten werden.

Begründung: Bei standardisierten Variablen hat jede Variable eine Varianz von 1. Eine Komponente mit Eigenwert > 1 erklärt mehr Varianz als eine einzelne ursprüngliche Variable und gilt daher als bedeutsam. Bei der Kovarianzmatrix gilt der Vergleich entsprechend in den Einheiten der Varianz.

Vorgehen: Berechne die Eigenwerte der Korrelations- oder Kovarianzmatrix der Daten, sortiere sie in absteigender Reihenfolge und behalte die Komponenten, deren Eigenwert größer als 1 ist.

Kritik: Das Kriterium ist einfach und schnell, kann aber in Abhängigkeit von Stichprobengröße und Variablenanzahl zu Über- oder Unterabschätzung der Anzahl der Faktoren führen. Daher werden oft ergänzend oder alternativ Scree-Plot-Analysen, Parallel-Analysis oder Velicer’s MAP-Test verwendet.

Anwendungsgebiete: Weit verbreitet in Psychometrie, Sozialwissenschaften, Biowissenschaften und allgemeinen Datenanalysen, wo PCA oder faktoranalytische Modelle eingesetzt werden.