Konfirmatorische Faktorenanalyse (CFA)
Testen Sie ein Messmodell, das Sie bereits haben — Ladungen, fit, AVE und CR — im Browser und exportieren Sie es dann nach SPSS, R oder AMOS.
Diese Seite ist eine Übersetzung des geprüften englischen Originals. Original ansehen (EN)
konfirmatorische FaktorenanalyseWas es ist
Die konfirmatorische Faktorenanalyse (CFA) prüft, ob Ihre Items die erwarteten latenten Konstrukte messen. Vor dem Blick auf die Daten legen Sie fest, welche Items auf welchen Faktor laden. Dann prüft die CFA, wie gut diese Struktur zu den beobachteten Kovarianzen passt. Es ist ein Messmodell: Es testet noch nicht die Beziehungen zwischen Konstrukten, sondern nur, ob jedes Konstrukt gut gemessen ist. Die CFA ist der übliche erste Schritt vor dem structural equation modeling, denn ein Strukturmodell ist nur dann vertrauenswürdig, wenn die zugrunde liegenden Messungen solide sind.
Wann man es verwendet
- Sie haben eine hypothetische Faktorstruktur — Sie wissen, welche Items zu welchem Konstrukt gehören.
- Sie validieren eine veröffentlichte Skala an einer neuen Stichprobe, Sprache oder Population.
- Sie müssen konvergente und diskriminante Validität berichten, bevor Sie ein Strukturmodell testen.
- Ein Gutachter hat ein Messmodell mit fit-Indizes, Ladungen, AVE und CR verlangt.
Wann man es nicht verwendet
- Sie wissen noch nicht, wie viele Faktoren existieren oder welche Items wohin gehören — führen Sie zuerst eine exploratorische Faktorenanalyse (EFA) durch.
- Sie brauchen nur interne Konsistenz für eine einzelne Skala — ein Reliabilitätskoeffizient wie omega oder CR allein kann ausreichen.
Annahmen
- Multivariate Normalverteilung der Indikatoren (oder ein robuster Schätzer wie MLR, wenn die Items nicht normalverteilt sind).
- Kontinuierliche Indikatoren oder ordinale Indikatoren mit einem kategorialen Schätzer (WLSMV) für Likert-Items mit wenigen Kategorien.
- Eine angemessene Stichprobengröße — eine häufige Faustregel sind 5–10 Fälle pro geschätztem Parameter, idealerweise N ≥ 200.
- Das Modell ist identifiziert — jeder latente Faktor braucht eine festgelegte Skala (ein Marker-Item oder eine fixierte Varianz).
- Jeder Faktor hat mindestens drei Indikatoren; ein Faktor mit nur zwei ist für sich unteridentifiziert. Drei bis sechs Items pro Faktor sind der übliche Bereich. Wenn Sie eine neue Skala entwickeln, empfiehlt Hinkin (1998) vier bis sechs Items pro Konstrukt in der endgültigen Skala und zu Beginn etwa doppelt so viele Items zu schreiben, damit schwache Items entfernt werden können.
- Keine schweren Spezifikationsfehler wie ausgelassene cross-loadings oder korrelierte Fehler, die ins Modell gehören.
Schwellenwerte & Grenzwerte
| Criterion | Rule of thumb | Source |
|---|---|---|
| CFI | ≥ .95 gut, ≥ .90 akzeptabel | Gut: Hu & Bentler (1999; https://doi.org/10.1080/10705519909540118). Akzeptabel: Bentler & Bonett (1980; https://doi.org/10.1037/0033-2909.88.3.588), per Konvention auf CFI angewendet |
| TLI | ≥ .95 gut, ≥ .90 akzeptabel | Gut: Hu & Bentler (1999). Akzeptabel: Bentler & Bonett (1980) |
| RMSEA | ≤ .06 gut, ≤ .08 akzeptabel | Gut: Hu & Bentler (1999). Akzeptabel: Browne & Cudeck (1993) |
| SRMR | ≤ .08 gut, ≤ .10 akzeptabel | Gut: Hu & Bentler (1999). Akzeptabel: Schermelleh-Engel, Moosbrugger & Müller (2003, p. 38) |
| Standardisierte Ladung | ≥ .70 ideal, ≥ .50 tolerierbar | Hair et al. (2019) |
| AVE | ≥ .50 (konvergente Validität) | Fornell & Larcker (1981; https://doi.org/10.2307/3151312) |
| CR / ω | ≥ .70 (composite reliability oder McDonald's omega; für CFA-Modelle alpha vorgezogen) | Hair et al. (2019); McDonald (1999) |
Wie man es in APA berichtet
Das Messmodell passte gut zu den Daten, χ²(df) = X.XX, CFI = .9X, TLI = .9X, RMSEA = .0X, 90% CI [.0X, .0X], SRMR = .0X. Alle standardisierten Ladungen überstiegen .70 und waren signifikant (p < .001). Composite reliability (oder McDonald's omega) lag zwischen .XX und .XX und die average variance extracted (AVE) zwischen .XX und .XX, was die konvergente Validität stützt.
Wie Explonia es berechnet
Explonia führt die CFA im Browser auf den Daten aus, die Sie erheben oder hochladen. Sie wählen die Items für jedes latente Konstrukt, und Explonia schätzt das Modell und zeigt fit-Indizes, standardisierte Ladungen, AVE und CR mit den für Sie angewandten Schwellenwerten. Es entwirft auch eine „Article description” — einen einfachen APA-Absatz der Ergebnisse, den Sie lesen, prüfen und bearbeiten, bevor er in Ihre Arbeit kommt. Modell und Daten können Sie nach SPSS (.sav), R oder AMOS exportieren, um die Analyse zu reproduzieren oder zu erweitern.
Häufig gestellte Fragen
Welcher CFI-Wert ist gut für eine CFA?
CFI ≥ .95 gilt als gutes fit (Hu & Bentler, 1999) und ≥ .90 ist meist akzeptabel, eine ältere Grenze, die Bentler und Bonett (1980) für NFI und TLI vorschlugen und die per Konvention auf CFI angewendet wird. Behandeln Sie diese als Richtlinien, nicht als strenge Bestanden/Durchgefallen-Regeln — sie wurden unter bestimmten Bedingungen abgeleitet und können bei komplexen Modellen oder nicht-normalverteilten Daten irreführen (Marsh, Hau & Wen, 2004). Berichten Sie CFI immer zusammen mit RMSEA und SRMR; kein einzelner Index entscheidet das fit allein.
CFA oder EFA — welche führe ich zuerst durch?
Nutzen Sie EFA, um zu entdecken, wie viele Faktoren existieren, wenn Sie die Struktur nicht kennen. Nutzen Sie CFA, um eine Struktur zu bestätigen, die Sie bereits annehmen. Wenn Sie unsicher sind, sehen Sie unseren Vergleich EFA vs CFA.
Wie groß sollte meine Stichprobe für eine CFA sein?
Eine häufige Richtlinie sind 5–10 Fälle pro geschätztem Parameter, und viele Methodologen empfehlen N ≥ 200 für stabile Schätzungen. Komplexe Modelle mit vielen Indikatoren brauchen mehr.
Meine Items sind 5-stufiges Likert — spielt Normalverteilung eine Rolle?
Likert-Items sind selten normalverteilt. Verwenden Sie einen robusten Schätzer (MLR) oder einen kategorialen Schätzer (WLSMV) für ordinale Items mit wenigen Kategorien statt der voreingestellten maximum likelihood.
Last updated: Oktober 2026
Führen Sie CFA mit Ihren eigenen Daten durch
Sammeln oder laden Sie Ihre Daten hoch, führen Sie die Analyse in Ihrem Browser durch und erhalten Sie einen APA-Absatzentwurf, den Sie bearbeiten können. Kostenlos starten. Keine Kreditkarte.
Kostenlos starten