SPSS melding: The determinant of the covariance matrix is zero or approximately zero.

Question

Bij de dataanalyse van mijn thesis krijg ik ook deze melding: 

The determinant of the covariance matrix is zero or approximately zero. Statistics based on its inverse matrix cannot be computed and they are displayed as system missing values. 

Ik heb 30 items in de schaal en 53 cases, kan dan onderstaande het probleem zijn? (er staan in ieder geval geen dubbele items of reversed items in de lijst)

EDIT: een alternatieve verklaring zonder de syntax en data te kennen: als je meer variabelen hebt dan cases, je schat bijvoorbeeld 10 items op 5 mensen. Dan heb je in een 10x10 covariantiematrix bijvoorbeeld 105 unieke varianties en covarianties geschat op 5 personen. Dit vindt SPSS ook niet zo leuk.

Of kan het nog ergens anders door veroorzaakt worden? Wat kan ik doen om de melding te laten verdwijnen? Of kan ik de resultaten van de toets gewoon gebruiken? Ik hoop dat de vraag met deze informatie te beantwoorden is.

Comments

Sorry, omdat ik doorvroeg naar aanleiding van een andere vraag stelde ik mijn eigen vraag niet zo duidelijk. Het gaat om het testen van de betrouwbaarheid van de schalen in mijn vragenlijst, door de crohnbach's alpha op te vragen.

Deze syntax heb ik gebruikt:

 RELIABILITY
  /VARIABLES=Meet1_DV1 Meet1_DV2 Meet1_DV3 Meet1_DV4 Meet1_DV5 Meet1_DV6 Meet1_DV8 Meet1_DV7 Meet1_DV9 Meet1_DV10 Meet1_DV11 Meet1_DV12 Meet1_DV13 Meet1_DV14
Meet1_DV15 Meet1_DV16 Meet1_DV17 Meet1_DV18 Meet1_DV19 Meet1_DV20 Meet1_DV30 Meet1_DV29 Meet1_DV28 Meet1_DV27 Meet1_DV26 Meet1_DV25 Meet1_DV24 Meet1_DV23 Meet1_DV22 Meet1_DV21
  /SCALE('M1_DSLalgemeen') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE
  /SUMMARY=TOTAL MEANS VARIANCE CORR.

Answer 1

Je vertelt niet wat voor analyse je probeert te doen - het is handig als je het analysescript ('syntax' in SPSS) geeft!

Als je factor-analyse probeert te doen heb je inderdaad veel te weinig mensen. Een correlatie stabiliseert bij ongeveer 400 dataparen. Als je kunt leven met wat minder robuuste resultaten kun je wel met wat minder deelnemers toe, maar 53 mensen zijn er zo weinig dat je eigenlijk uberhaupt geen kwantitatieve analyses moet doen denk ik. Alle correlaties die je vindt kunnen in een gerepliceerde steekproef fors verschillen (e.g. van .3 naar -.3 gaan etc).

Wat voor berekeningen heb je van te voren gedaan om te berekenen hoe groot je steekproef moest zijn, en wat kam daaruit?

Ik zou bij zo weinig deelnemers eerder veel visualisaties produceren en daar naar kijken. Het voordeel van zo weinig mensen is dat dat ook kan: het blijft lekker overzichtelijk zeg maar. Op basis van die verdelingen kun je dan kijken naar de patronen.