Statistik-Glossar

Kommunalität

Communality / Kommunalität · Maximilian Fuchs · 24. April 2026 · 4 Min. Lesezeit

In diesem Beitrag

Was versteht man unter Kommunalität?
Warum ist Kommunalität wichtig?
Praxisbeispiel

Was versteht man unter Kommunalität?

Die Kommunalität (englisch: communality) ist ein Kennwert aus der Faktorenanalyse. Sie gibt an, welcher Anteil der Varianz einer beobachteten Variable durch die gemeinsamen Faktoren erklärt wird. Anders ausgedrückt: Die Kommunalität beschreibt, wie gut eine Variable durch das gesamte Faktormodell abgebildet wird.

Formal ergibt sich die Kommunalität einer Variable i als Summe der quadrierten Faktorladungen über alle extrahierten Faktoren:

Formel: Kommunalität

$h_i^2 = \sum_{j=1}^{m} \lambda_{ij}^2$

Dabei steht $\lambda_{ij}$ für die Faktorladung der Variable i auf Faktor j, und m ist die Anzahl der extrahierten Faktoren. Die Kommunalität nimmt Werte zwischen 0 und 1 an. Ein Wert von 1 würde bedeuten, dass die Varianz der Variable vollständig durch die Faktoren erklärt wird; ein Wert nahe 0 zeigt, dass die Variable kaum etwas mit den gemeinsamen Faktoren zu tun hat.

Einfach erklärt: Stell dir vor, du hast einen Fragebogen mit mehreren Fragen, und du möchtest herausfinden, ob dahinter einige wenige übergeordnete Themen (Faktoren) stecken. Die Kommunalität zeigt dir für jede einzelne Frage, wie gut sie durch diese übergeordneten Themen erfasst wird. Eine hohe Kommunalität bedeutet: Diese Frage „gehört“ gut zum Modell. Eine niedrige Kommunalität bedeutet: Diese Frage steht eher für sich allein und wird vom Modell kaum erklärt.

Warum ist Kommunalität für statistische Analysen wichtig?

In der Faktorenanalyse – ob explorative (EFA) oder konfirmatorische (CFA) – ist die Kommunalität ein zentrales Qualitätsmerkmal. Sie hilft dabei zu beurteilen, ob die gewählten Variablen überhaupt gut zum Faktormodell passen und ob das Modell die Daten angemessen beschreibt.

Als grobe Orientierung gilt in der Praxis:

Kommunalität ≥ 0,50: Die Variable wird akzeptabel durch das Modell erklärt und kann im Modell verbleiben.
Kommunalität < 0,30: Die Variable trägt kaum zur gemeinsamen Faktorraumstruktur bei. Es sollte geprüft werden, ob sie aus dem Modell entfernt oder überarbeitet werden sollte.

Die Kommunalität steht in direktem Zusammenhang mit einem weiteren Begriff: der Einzigartigkeit (Uniqueness). Sie ist das Gegenteil der Kommunalität und beschreibt den Varianzanteil, der nicht durch die Faktoren erklärt wird – also die spezifische oder fehlerbedingte Varianz einer Variable.

Zusammen ergeben Kommunalität und Einzigartigkeit immer 1:

Formel: Kommunalität und Einzigartigkeit

$h_i^2 + u_i^2 = 1$

Häufiger Fehler: Viele verwechseln die Kommunalität mit der Reliabilität einer Variable. Beide beschreiben zwar, wie viel „echte“ Varianz eine Variable enthält, aber sie beziehen sich auf unterschiedliche Konzepte: Reliabilität beschreibt die Messgenauigkeit, Kommunalität beschreibt die Erklärbarkeit durch gemeinsame Faktoren. Außerdem wird die Kommunalität manchmal mit dem R² einer Regression verwechselt – das Prinzip (erklärte Varianz) ist ähnlich, der Kontext aber ein anderer.

Praxisbeispiel zu Kommunalität

Angenommen, du entwickelst einen Fragebogen zur Messung von Arbeitszufriedenheit und führst eine explorative Faktorenanalyse mit zwei extrahierten Faktoren durch. Das Ergebnis der Faktorladungen sieht folgendermaßen aus:

Tabelle 1. Faktorladungen und Kommunalitäten eines fiktiven Arbeitszufriedenheits-Fragebogens
Item	Ladung Faktor 1	Ladung Faktor 2	Kommunalität
„Meine Arbeit macht mir Freude.“	0,80	0,10	0,65
„Ich fühle mich von meinem Team wertgeschätzt.“	0,75	0,20	0,60
„Mein Gehalt ist angemessen.“	0,15	0,72	0,54
„Ich komme gut mit meinem Vorgesetzten aus.“	0,20	0,25	0,10

Die Kommunalität für das erste Item berechnet sich beispielsweise als $0{,}80^2 + 0{,}10^2 = 0{,}64 + 0{,}01 = 0{,}65$ , also rund 0,65. Das bedeutet: 65 % der Varianz dieses Items werden durch die beiden Faktoren gemeinsam erklärt.

Das letzte Item – „Ich komme gut mit meinem Vorgesetzten aus.“ – hat eine Kommunalität von nur 0,10. Dieses Item wird durch das Faktormodell kaum erfasst. In der Praxis würde man dieses Item kritisch hinterfragen: Misst es vielleicht etwas völlig anderes als die übrigen Items? Sollte es überarbeitet oder aus dem Fragebogen entfernt werden?

Gut zu wissen: In gängigen Statistikprogrammen wie SPSS, R (psych-Paket) oder Stata wird die Kommunalität automatisch in der Ausgabe der Faktorenanalyse ausgewiesen. Du musst sie in der Regel nicht manuell berechnen – aber das Verständnis des Kennwerts hilft dir, die Ergebnisse richtig zu interpretieren und begründete Entscheidungen über den Verbleib von Items im Modell zu treffen.