"The covariance matrix is not positive definite"
Ova poruka znači da vaša kovarijacijska ili korelacijska matrica ima nultu ili negativnu vlastitu vrijednost, pa nije valjana matrica za modeliranje. Najčešći uzroci su premali uzorak, visoko kolinearne ili suvišne čestice, obrnuto kodirane čestice koje nikada nisu rekodirane ili korelacija koja je ispala veća od 1.
Ova je stranica prijevod recenziranog engleskog izvornika. Pogledaj izvornik (EN)
kovarijacijska matrica nije pozitivno definitnaŠto pogreška znači
Valjana kovarijacijska matrica je pozitivno definitna: svaki skup čestica ima pozitivnu varijancu. Kada softver javi da nije pozitivno definitna (NPD), matrica ima barem jednu vlastitu vrijednost koja je nula ili negativna. To se može dogoditi sa sirovom matricom podataka ili s matricom koju model implicira tijekom procjene. U svakom slučaju, analiza ne može sigurno teći, a sve procjene ispisane nakon toga su sumnjive. U praksi se poruka najčešće pojavljuje tijekom procjene konfirmatorne faktorske analize ili SEM-a temeljenog na kovarijancama, jer ti modeli u svakoj iteraciji ponovno grade impliciranu kovarijacijsku matricu.
Uobičajeni uzroci
- Veličina uzorka manja od broja varijabli, ili tek nešto veća — matrica postaje singularna.
- Multikolinearnost: dvije ili više čestica gotovo su savršeno korelirane, ili je jedna čestica linearna kombinacija drugih.
- Suvišne čestice — isto pitanje postavljeno dvaput, ili ukupni rezultat unesen uz svoje komponente.
- Obrnuto formulirane čestice koje nisu rekodirane, što gura neke korelacije u pogrešnom smjeru.
- Korelacija veća od 1 (ili ispod -1), često zbog uparenog uklanjanja nedostajućih podataka ili pogreške pri unosu.
- Pogrešna specifikacija modela koja tijekom procjene proizvodi matricu koju model implicira, a koja nije pozitivno definitna.
Kako to popraviti
- Ispišite i pročitajte korelacijsku matricu. Potražite bilo koju vrijednost na ili iznad 1 (ili ispod -1) i parove blizu 1 — to su problematične točke.
- Rekodirajte obrnuto formulirane čestice tako da sve čestice idu u istom smjeru, zatim ponovno izračunajte matricu.
- Uklonite suvišne ili kolinearne čestice: zadržite jednu iz gotovo istovjetnog para i nikada ne unosite kompozit zajedno s njegovim dijelovima.
- Koristite listwise uklanjanje (ili načelnu metodu za nedostajuće podatke) umjesto uparenog, jer uparene korelacije mogu proizvesti nekonzistentnu matricu.
- Provjerite je li N udobno veći od broja varijabli; prikupite više podataka ako nije.
- Ako je matrica podataka u redu, ali se upozorenje pojavljuje tijekom procjene modela, model je vjerojatno pogrešno specificiran ili neidentificiran — preispitajte identifikaciju i sve Heywood cases.
Kako to izbjeći sljedeći put
Pregledajte čestice prije modeliranja: rano rekodirajte obrnute čestice, uklonite gotovo duplikate i ciljajte na uzorak udobno veći od broja čestica. Explonia gradi korelacijsku matricu i izlaz o pouzdanosti dok radite i označava čestice koje se snažno preklapaju ili se čudno ponašaju, pa možete uhvatiti gotovo singularnu matricu prije nego što slomi model. Pogledajte metode pouzdanosti i dijagnostike za ono što treba provjeriti.
Referentna tablica
| Simptom u matrici | Vjerojatan uzrok | Prvi popravak |
|---|---|---|
| Korelacija ≥ 1 ili ≤ -1 | Upareno uklanjanje ili pogreška u podacima | Koristite listwise uklanjanje; provjerite unos podataka |
| Dvije čestice koreliraju blizu 1 | Suvišne / duplicirane čestice | Uklonite jednu iz para |
| Neke korelacije imaju pogrešan predznak | Obrnute čestice nisu rekodirane | Rekodirajte obrnuto formulirane čestice |
| Matrica singularna, N malen | N blizu broja varijabli | Prikupite više podataka ili smanjite čestice |
Često postavljana pitanja
Mogu li jednostavno "izgladiti" matricu da postane pozitivno definitna?
Metode izglađivanja postoje, ali prikrivaju temeljni problem umjesto da ga riješe. Najprije pronađite i uklonite pravi uzrok — korelaciju iznad 1, suvišnu česticu, nerekodiranu obrnutu česticu ili premali uzorak — jer izglađena matrica i dalje može dati obmanjujuće procjene.
Zašto matrica koju model implicira nije pozitivno definitna iako su moji podaci u redu?
To upućuje na model, a ne na podatke: neidentificiran parametar, Heywood case (negativna rezidualna varijanca) ili strukturna pogrešna specifikacija mogu tijekom procjene proizvesti matricu koju model implicira, a koja nije pozitivno definitna. Provjerite identifikaciju i potražite procjene varijance izvan granica.
Je li matrica koja nije pozitivno definitna isto što i Heywood case?
Povezani su, ali nisu istovjetni. Heywood case je specifična procjena izvan granica (poput negativne varijance pogreške) koja često čini matricu koju model implicira ne-pozitivno definitnom. NPD poruka može doći i iz sirove matrice podataka prije nego što se ijedan model uklopi.
Kako citirati ovu stranicu
Ako vam je ova stranica pomogla u istraživanju, možete je citirati (APA 7):
Szymkowiak, A. (2026). Kovarijacijska matrica nije pozitivno definitna (Rješenje). Explonia. https://explonia.com/hr/fix/non-positive-definite-matrix/
Last updated: rujan 2026
Provedite cijelo istraživanje na jednom mjestu
Izgradite ga, prikupite podatke i dobijte analizu publikacijske razine uz nacrt APA odlomka koji možete urediti. Započnite besplatno. Bez kartice.
Započni besplatno