协方差矩阵不等怎么办

这很正常，看您是要什么而作怎样的处理……

不正定说明有负的特征值，即矩阵在该特征方向上是反向度量的。

若只想要看各维度的绝对放缩率，加个绝对值排序就行了；

若要有方向感，直接排序就行。

若您是用矩阵的迹来度量某种意义就要考虑有正负对消，

若是把矩阵看成超几何体积（行列式）度量，只要注意有正负号（不用处理）

为什么要得到近似矩阵？（平移，取反特征向量其实都和近似无关，是不是方向想错了）

关键要理解，正定、协方差，特征值、特征向量的意义，才能真正做到解决问题。

1、认定不同

同方差指总体回归函数中的随机误差项（干扰项）在解释变量条件下具有不变的方差。

异方差是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。

2、应用范围不同

同方差适用于数学统计、经济统计、机器学习算法、适用领域范围、回归分析、时间序列。

异方差适用于计量经济学，异方差性是计量经济学术语。指回归模型中扰动项的方差不全相等。 1、认定不同

同方差指总体回归函数中的随机误差项（干扰项）在解释变量条件下具有不变的方差。

异方差是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。

2、应用范围不同

同方差适用于数学统计、经济统计、机器学习算法、适用领域范围、回归分析、时间序列。

1、认定不同

同方差指总体回归函数中的随机误差项（干扰项）在解释变量条件下具有不变的方差。

异方差是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。

2、应用范围不同

同方差适用于数学统计、经济统计、机器学习算法、适用领域范围、回归分析、时间序列。

异方差适用于计量经济学，异方差性是计量经济学术语。指回归模型中扰动项的方差不全相等。

R包lavaan可以做

https://www.codetd.com/article/916129

软件AMOS可以做

https://mp.weixin.qq.com/s?__biz=MjM5MTI5MDgxOA==&mid=2650098738&idx=1&sn=319fcc4198fbcd36fc30fd1329e27bf0&chksm=beb6289f89c1a189115d96bb0f9bc3114a752f9bf1fed4c9979b2e965322d8e38c60844316de&scene=21#wechat_redirect

https://mp.weixin.qq.com/s?__biz=MjM5MTI5MDgxOA==&mid=2650098759&idx=1&sn=0099b81e77a2f8b6324e88a5b49773ed&chksm=beb628ea89c1a1fcdb4c068466e6f099e0bd1af0909bbc538aca4247477978b4b52b3b9aa036&scene=21#wechat_redirect

https://www.jianshu.com/p/d698dc099dec

https://www.jianshu.com/p/e0938fb35c45

https://blog.csdn.net/yjj20007665/article/details/66967966

χ2 卡方拟合指数 检验选定的模型协方差矩阵与观察数据协方差矩阵相匹配的假设。原假设是模型协方差阵等于样本协方差阵。如果模型拟合的好，卡方值应该不显著。

RMR 是残差均方根。RMR 是样本方差和协方差减去对应估计的方差和协方差的平方和，再取平均值的平方根。RMR应该小于0.08，RMR越小，拟合越好。

RMSEA 是近似误差均方根 RMSEA应该小于0.06，越小越好。

GFI 是拟合优度指数，范围在0和1间，但理论上能产生没有意义的负数。按照约定，要接受模型，GFI 应该等于或大于0.90。

CFI 是比较拟合指数，其值位于0和1之间。CFI 接近1表示拟合非常好，其值大于0.90表示模型可接受,越接近1越好。

同时要求样本和指标之间有一个最低数量比例

---