Negative Varianzschätzungen
Eine negative Varianzschätzung ist unmöglich — Varianz kann nicht unter null liegen —, sie signalisiert also immer ein Problem mit dem Modell oder den Daten, kein echtes Ergebnis. Das ist ein Heywood case, meist verursacht durch eine kleine Stichprobe, einen Faktor mit zu wenigen Indikatoren, Fehlspezifikation oder eine durch Ausreißer getriebene Korrelation.
Diese Seite ist eine Übersetzung des geprüften englischen Originals. Original ansehen (EN)
negative varianzschätzungWas es bedeutet
Varianz misst die Streuung und ist mathematisch bei null begrenzt, eine negative Varianzschätzung ist also logisch unmöglich. Wenn CFA oder SEM eine zurückgibt — meist eine negative Residual- (Fehler-)Varianz —, ist die Lösung unzulässig: das Modell, wie spezifiziert, passt nicht zu den Daten. Das ist dasselbe Phänomen wie ein Heywood case und geht oft mit einer standardisierten Ladung über 1 oder einer nicht positiv definiten modellimplizierten Matrix einher.
Häufige Ursachen
- Kleine Stichprobe, bei der der Stichprobenfehler eine fast-null Varianz unter null drücken kann.
- Ein Faktor mit zu wenigen Indikatoren (zwei oder ein dominantes Item).
- Modellfehlspezifikation — falsche Anzahl von Faktoren, Items auf dem falschen Faktor oder eine fehlende Kreuzladung.
- Ausreißer, die eine Korrelation über das hinaus aufblähen, was das Modell reproduzieren kann.
- Fast-null wahre Fehlervarianz für ein sehr reliables Item, bei dem Rauschen die Schätzung ins Negative kippt.
- Multikollinearität zwischen Indikatoren.
Wie man es behebt
- Lokalisieren Sie den Parameter mit der negativen Varianz in der Ausgabe.
- Prüfen Sie erneut, ob dieses Item zu seinem Faktor gehört; suchen Sie nach einer Kreuzladung oder einer besseren Struktur.
- Stellen Sie sicher, dass jeder Faktor mindestens drei Indikatoren hat, und strukturieren Sie fragile Faktoren mit zwei Indikatoren um.
- Prüfen Sie auf Ausreißer und einflussreiche Fälle und rechnen Sie ohne sie neu, um zu sehen, ob die Schätzung in den zulässigen Bereich rückt.
- Erhöhen Sie die Stichprobengröße — viele negative Varianzen verschwinden mit mehr Daten.
- Nur als letztes Mittel, nach Ausschluss des Obigen, beschränken Sie die Varianz auf einen kleinen positiven Wert — und berichten Sie, dass Sie das getan haben.
Wie man es künftig vermeidet
Verwenden Sie mindestens drei solide Indikatoren pro Faktor, prüfen Sie auf Ausreißer und dimensionieren Sie die Stichprobe für das Modell, bevor Sie analysieren. Explonia berichtet die standardisierte Lösung und die Reliabilität, sodass ein Item, das auf eine negative Residualvarianz oder eine Ladung nahe 1 zusteuert, auffällt und Sie das Messmodell überarbeiten und neu rechnen können. Es markiert das Warnsignal — es verbirgt keine unmögliche Schätzung. Siehe CFA und Reliabilität.
Häufig gestellte Fragen
Ist eine negative Varianz jemals ein echtes Ergebnis?
Nein. Varianz kann nicht negativ sein, eine negative Schätzung ist also immer ein Zeichen für ein Problem — kleine Stichprobe, zu wenige Indikatoren, Fehlspezifikation oder Ausreißer — nie ein inhaltliches Ergebnis. Diagnostizieren und beheben Sie die Ursache, statt den Wert zu interpretieren.
Was ist der Unterschied zwischen einer negativen Varianz und einem Heywood case?
Sie beschreiben dieselbe Situation. Ein Heywood case ist der allgemeine Begriff für eine Schätzung außerhalb des zulässigen Bereichs in Faktorenanalyse oder SEM; eine negative Fehlervarianz ist seine häufigste Form. Eine standardisierte Ladung über 1 ist eine weitere Version desselben Problems.
Kann ich die negative Varianz auf null fixieren und weitermachen?
Nur als letztes Mittel und erst nach Ausschluss von Fehlspezifikation, zu wenigen Indikatoren, Ausreißern und kleinem N. Sie auf einen kleinen positiven Wert zu beschränken erzwingt eine zulässige Lösung, aber wenn die eigentliche Ursache ein falsches Modell ist, verbirgt die Beschränkung es nur und kann andere Schätzungen verzerren. Legen Sie die Beschränkung stets offen.
So zitieren Sie diese Seite
Wenn diese Seite Ihrer Forschung geholfen hat, können Sie sie zitieren (APA 7):
Szymkowiak, A. (2026). Negative Varianzschätzungen in CFA & SEM (erklärt). Explonia. https://explonia.com/de/fix/negative-variance/
Last updated: Juli 2026
Führen Sie Ihre ganze Studie an einem Ort durch
Erstellen Sie sie, sammeln Sie die Daten und erhalten Sie eine Analyse auf Publikationsniveau mit einem APA-Absatzentwurf, den Sie bearbeiten können. Kostenlos starten. Keine Kreditkarte.
Kostenlos starten