Metoda Kaisera –  nazywana również kryterium Kaisera lub regułą wartości własnych większych od 1, jest jedną z klasycznych metod wspomagających wybór liczby czynników w eksploracyjnej analizie czynnikowej. Jej nazwa pochodzi od nazwiska amerykańskiego psychometryka Henry’ego F. Kaisera.  Zgodnie z kryterium Kaisera zachowuje się te czynniki lub składowe, których wartość własna jest większa niż 1.  Wartość własna informuje, jak dużą część wariancji danych reprezentuje dany czynnik lub składowa. Im większa jej wartość, tym większy udział danego wymiaru w wyjaśnianiu zmienności analizowanych zmiennych.

Logika kryterium Kaisera wynika z analizy standaryzowanych zmiennych. Każda taka zmienna ma wariancję równą 1, dlatego czynnik o wartości własnej większej niż 1 wyjaśnia więcej wariancji niż pojedyncza zmienna wejściowa.  Czynnik z wartością własną poniżej 1 wyjaśnia mniej wariancji niż pojedyncza standaryzowana zmienna, dlatego zgodnie z regułą Kaisera nie jest zachowywany. 

W praktyce procedura wygląda następująco:

• oblicza się macierz korelacji między zmiennymi,
• wyznacza się wartości własne,
• porządkuje się je od największej do najmniejszej,
• zachowuje się czynniki lub składowe o wartości własnej > 1,
• ich liczbę traktuje się jako wstępną wskazówkę dotyczącą liczby wymiarów.

Kryterium Kaisera jest proste i łatwe do zastosowania, ale ma istotne ograniczenia. Może zarówno zawyżać, jak i zaniżać liczbę czynników, zwłaszcza gdy liczba zmiennych jest duża, struktura korelacji jest słaba lub wartości własne znajdują się blisko progu 1.  Metoda Kaisera nie powinna być stosowana jako jedyne kryterium wyboru liczby czynników.  Jej wynik warto porównywać z metodą Cattella, kryterium procenta wyjaśnianej wariancji oraz analizą równoległą. Ostateczna decyzja o liczbie czynników powinna uwzględniać nie tylko wartości własne, lecz także inne kryteria statystyczne, interpretowalność rozwiązania i podstawy teoretyczne.