同问，我现在也出现这样的情况

个人认为，是数据的相关性太强了。

   统计分析中，有时会给出矩阵为非正定矩阵的错误提示（not positive definite.）。其中造成非正定的原因大约有几个，根据相应的原因可以有相应的解决方法。

      通常情况下，矩阵的特征值或者模都是大于等于0的，但是总是会有一些情况导致特征值<0的情况出现。主要发生在以下几个情况：

      1  Linear Dependency

通常出现在两个性状呈现显著的线性相关时。可以在数据探索分析过程中，借助excel等工具，分析两个性状的表型回归。

      2 Error Reading the Data

数据读入过程中出错。可能发生在读取不同格式的文件是，文件中的缺失值，引起错位，导致数据出错。

     3 Typographical Error

排版错误。这个好像不大遇到。当然有这个可能......

      4 Starting Values

初始值设置的原因。在迭代之前，都预先根据初始值计算sigma值，一旦sigma值不合适，出现非正定的情况。一旦出现这种情况，需要首先排查模型是否正确，确保没有语法错误。

     5 Sampling Variation

通常是由于样本数据量太小造成。

     6 Missing Data

数据缺失过多会导致矩阵一定程度的非正定。

    7 My Variable is a Constant!

模型中有一个是常量。因此在数据分析前需要对原始数据结构有大体了解。PROC SUMMARY/  MEAN/  UNIVARIATE能够提供有力帮助。

    8 polychoric correlation 多分格相关

可以通过proc pairwise检样相关矩阵是否正定.

    9 No Error Variance

对角线元素为0时，需要警惕出现非正定的情况。

  10 Negative Error Variance

通常情况下，对角线元素都是方差组分，因此值为负是不可思议的。这种情况往往出现在模型拟合不是很好的情况下，因此需要对模型进行全面评估和分析。

见：http://www.docin.com/p-467119545.html

分类变量是无法做探索性因素分析的吧

看看变量间是不是有线性关系
再看看样本数是不是太小了~

我今天也遇到这种情况了，不知道该怎么解决了