Postagem em destaque

Autoeficácia nas palavras do próprio Albert Bandura

Este artigo traduzido faz parte dos meus estudos de doutorado. Ele fornece um referencial teórico importante para estudantes e professores...

quarta-feira, 28 de março de 2012

Mando rodar a análise fatorial no SPSS e só dá "matrix is not positive definite" abaixo da matriz de correlação. Como lidar?



Respondo com outra pergunta: por que você não tenta usar a matriz de covariâncias ao invés da matriz de correlações? Se mesmo usando uma matriz de covariância não der certo (o que é batata que VAI acontecer, rsrsrs...), você provavelmente não deveria usar a análise fatorial nesse caso.

Quando o SPSS gera esse comentário de que a matriz "is not positive definite", tem que dar uma olhadinha na matriz.

Pode ser que você tenha variáveis muito correlacionadas com outras.

Ou também pode ter ocorrido pelo fato de você ter muitas variáveis para poucas observações.

Em análise fatorial isso é pessimo, pois o ideal é termos um mínimo de 5 a 10 observações por variável que se pretende analisar. Exemplo: um questionário com 20 itens deveria ter pelo menos de 100 a 200 participantes no estudo para que pudéssemos rodar uma análise fatorial.

Se sua matriz de correlações é não-positiva definida ("not positive definite"), isso acaba gerando eigenvalues negativos para as últimas variáveis. Isso é visível no SPSS se você manda rodar a análise fatorial com um número de fatores igual ao número de variáveis. Como o eigenvalue ("autovalor") é uma medida do "poder explicativo" do fator em comparação com o "poder explicativo" de uma variável, você pode imaginar o quanto sua matriz está ruim.

Matrizes assim acarretam na interrupção da análise em vários programas.

Se a matriz de covariância der "not positive definite" o próximo SPSS nem continua a rodar a análise. Mas como o SPSS roda a análise fatorial com a matriz de correlação, mesmo sendo desse jeito, você pode tentar.

Pode até ser que você consiga obter padrões interessantes que agrupam variáveis em fatores que tenham como sofrer interpretações sobre seus significados, mas você não terá como ver outros outputs típicos de análises fatoriais, como o KMO e a matriz de anti-imagem, só pra ficar em dois exemplos.

E você será inevitavelmente questionado quanto à adequação dos dados para a realização da análise.
Related Posts Plugin for WordPress, Blogger...