R语言CCA分析报错：chol.default(Bmat) 34阶顺序主子式非正定求解

这个报错是典型相关分析（CCA）执行时的常见问题，核心原因是计算过程中需要分解的矩阵非正定，具体可能由以下几种情况导致：

• 变量间存在严重多重共线性（多个变量高度相关，存在线性依赖关系）
• 样本数量小于变量数量，导致矩阵秩不足
• 数据中存在零方差变量（某个变量的所有样本值完全相同）

1. 先排查数据问题 #

运行以下代码定位具体问题：

# 检查是否存在零方差变量
apply(x, 2, var)
apply(H, 2, var)

# 确认样本量与变量数的匹配情况
nrow(x)  # 样本数量
ncol(x)  # x的变量数
nrow(H)  # H的样本数（必须和x一致）
ncol(H)  # H的变量数

# 查看变量间相关性，排查高度相关变量
cor(x)
cor(H)

2. 针对性解决方法 #

情况1：存在零方差变量

直接删除方差为0的变量：

# 过滤x中的零方差变量
x <- x[, apply(x, 2, var) != 0]
# 过滤H中的零方差变量
H <- H[, apply(H, 2, var) != 0]

情况2：样本量小于变量数/多重共线性严重

可以通过降维或正则化CCA解决：

• 方法一：用主成分分析（PCA）降维后再做CCA

# 对x做PCA，保留累计解释方差95%的主成分
pca_x <- prcomp(x, scale. = TRUE)
x_pca <- pca_x$x[, cumsum(pca_x$sdev^2/sum(pca_x$sdev^2)) <= 0.95]

# 对H做同样的PCA处理
pca_H <- prcomp(H, scale. = TRUE)
H_pca <- pca_H$x[, cumsum(pca_H$sdev^2/sum(pca_H$sdev^2)) <= 0.95]

# 使用主成分执行CCA
cca.tobacco <- cc(x_pca, H_pca)

• 方法二：使用正则化CCA（依赖rCCA包）

install.packages("rCCA")
library(rCCA)
# 调整lambda1和lambda2（取值0到1之间）来控制正则化程度
cca_reg <- rcc(x, H, lambda1 = 0.1, lambda2 = 0.1)
summary(cca_reg)

3. 验证修正效果 #

处理完数据后，先检查矩阵秩确认问题解决：

# 检查x和H的矩阵秩
rankMatrix(x)
rankMatrix(H)

确认矩阵秩接近变量数后，再重新执行CCA：

cca.tobacco <- cc(x, H)

内容的提问来源于stack exchange，提问作者Ashfaque Rahman