Die Faktorenanalyse ist ein multivariates Verfahren, das die Zusammenhänge vieler beobachteter Variablen auf wenige dahinterliegende Faktoren zurückführt. Hängen etwa vier Fragen eines Fragebogens eng zusammen, liegt die Vermutung nahe, dass sie dasselbe Merkmal erfassen. Die Faktorenanalyse prüft, wie viele solcher gemeinsamen Faktoren nötig sind und welche Items zu welchem Faktor gehören. In der Wirtschaftspsychologie ist sie ein Werkzeug der Test- und Fragebogenkonstruktion.
Herkunft der Faktorenanalyse
Die Geschichte der Faktorenanalyse beginnt Anfang des 20. Jahrhunderts mit Charles Spearman. In seinem Aufsatz „General intelligence, objectively determined and measured“ von 1904 beschrieb er allgemeine Intelligenz als gemeinsamen Faktor, der die Leistungen in verschiedenen Tests prägt. Spätere Theorien mit mehreren Faktoren markieren den Aufstieg der Faktorenanalyse mit mehreren Faktoren. Auch das Fünf-Faktoren-Modell der Persönlichkeit entstand, indem Urteile über Eigenschaftswörter faktorenanalytisch ausgewertet wurden; das beschreibt der Eintrag Big Five.
Explorativ und konfirmatorisch: Ladungen, Eigenwerte, Rotation
Tavakol und Wetzel (2020) unterscheiden zwei Hauptformen:
| Form | Frage | Einsatz |
|---|---|---|
| explorative Faktorenanalyse (EFA) | Welche Faktorstruktur steckt in den Daten? | frühe Phase der Entwicklung eines Fragebogens |
| konfirmatorische Faktorenanalyse (CFA) | Passt ein vorab angenommenes Modell zu den Daten? | Prüfung einer Struktur aus früheren Studien |
- Ladung: die Korrelation eines Items mit einem Faktor; Werte über 0,30 gelten laut Tavakol und Wetzel meist als mittlerer Zusammenhang.
- Kommunalität: die Summe der quadrierten Ladungen eines Items, also der Anteil seiner Varianz, den die Faktoren erklären.
- Eigenwert: die Summe der quadrierten Ladungen auf einem Faktor. Wie viele Faktoren beibehalten werden, entscheiden Kriterien wie die Parallelanalyse zusammen mit der Theorie. Die verbreitete Regel, alle Faktoren mit einem Eigenwert der Korrelationsmatrix über 1 zu behalten (Kaiser-Kriterium), ist in vielen Statistikprogrammen voreingestellt. Golino und Epskamp (2017) verweisen aber auf Simulationsstudien, nach denen sie die Zahl der Faktoren überschätzt, vor allem bei vielen Items und großen Stichproben.
- Rotation: dreht die Lösung, um das Ergebnis klarer deuten zu können. Orthogonale Rotation erzwingt unkorrelierte Faktoren; weil viele sozialwissenschaftliche Konstrukte zusammenhängen, raten Tavakol und Wetzel dort zu schiefwinkliger Rotation.
Verwechselt wird die Faktorenanalyse oft mit der Hauptkomponentenanalyse. Diese erklärt die gesamte Varianz und eignet sich, um viele Variablen auf wenige zu reduzieren. Für latente Konstrukte empfehlen Tavakol und Wetzel die Faktorenanalyse, etwa mit Hauptachsen- oder Maximum-Likelihood-Schätzung, weil sie die gemeinsame Varianz von spezifischer und Fehlervarianz trennt. Bei der konfirmatorischen Variante wird das Modell vorab als Pfaddiagramm festgelegt und anhand von Kennwerten der Modellpassung beurteilt.
Das Schaubild zeigt eine Hauptachsen-Lösung mit Beispieldaten von 300 Personen: Die Items 1 bis 4, 5 bis 8 und 9 bis 12 laden jeweils nur auf einen Faktor, die Nebenladungen liegen nahe null. Die ersten drei Eigenwerte der Korrelationsmatrix liegen deutlich über den übrigen; auch das Kaiser-Kriterium käme hier auf drei Faktoren. Für die Parallelanalyse wurden sie mit den Eigenwerten aus 200 gleich großen Zufallsdatensätzen verglichen; nur drei Faktoren liegen darüber.
Ladungsmatrix als Tabelle mit Beispieldaten von 300 Personen: zwölf Items in Zeilen, drei Faktoren in Spalten, benannt Tätigkeit, Team und Führung. Die Items 1 bis 4 laden nur auf Tätigkeit, 5 bis 8 nur auf Team, 9 bis 12 nur auf Führung, jeweils zwischen 0,57 und 0,79; alle Nebenladungen liegen nahe null. Die ersten vier Eigenwerte der Korrelationsmatrix betragen 2,78, 2,44, 2,04 und 0,72; die Parallelanalyse spricht für 3 Faktoren.
Faktorenanalyse im Studium der Wirtschaftspsychologie
Die Faktorenanalyse baut auf Korrelation und Regression auf und gehört zu den multivariaten Verfahren. Methoden und Statistik tauchen bei 69 von 95 erfassten Anbietern laut Recherche, Stand Oktober 2026, in Studiengangsnamen, Schwerpunkten oder Modullisten auf; multivariate Verfahren stehen dort bei 10 von 95 im Wortlaut. Welche Module aufeinander aufbauen, erklärt der Ratgeber Statistik. Aufgaben in Klausur und Abschlussarbeit:
- eine Ladungsmatrix lesen und den Faktoren inhaltlich passende Namen geben
- Items mit niedrigen Ladungen oder Ladungen auf mehreren Faktoren erkennen
- begründen, ob explorativ oder konfirmatorisch vorgegangen wird
- die Faktorenstruktur einer eingesetzten Skala als Hinweis auf ihre Validität berichten
In der Praxis: Fragebogen prüfen und verdichten
In Mitarbeiterbefragungen und der Marktforschung zeigt eine Faktorenanalyse, ob sich ein langer Fragenkatalog sinnvoll zu wenigen Themen bündeln lässt und ob eine Likert-Skala wirklich ein einziges Merkmal erfasst. Laut Tavakol und Wetzel liefert sie Belege zur inneren Struktur eines Instruments, einem Teil der Konstruktvalidität. Cronbachs Alpha allein zeigt das nicht, wie der Eintrag Reliabilität erläutert. Die Benennung der Faktoren bleibt eine inhaltliche Entscheidung: Die Rechnung liefert Zahlen, keine Namen.