An error occurred while attempting to fit the model. 拟合模型时出现一个错误。
The sample moment matrix is not positive definite. It could fail to be positive definite for any of the following reasons: 样本协方差矩阵是非正定矩阵。由于下列原因不能正定。
1.The sample covariance matrix or the sample correlation matrix contains a data entry error.样本协方差矩阵或样本相关矩阵包含的数据有误。
2.The ovserved variables are linearly dependent (perhaps because the sample size is too small).观察变量因为样本太少产生线性相依的情形。
3.The sample covariance matrix or sample correlation matrix was computed from incomplete data using the method of ‘pairwise deletion’.使用成对删除法时，从不完全的数据估计出样本协方差矩阵或样本相关矩阵。
4.The sample correlation matrix contains correlation coefficients other than product moment correlations (such as tetrachoric correlations). 与产生动差相关相比，样本相关矩阵包含其他无关相关系数。
For maximum likelihood estimation only, it may be appropriate to check “Allow non-positive definite samples covariance matrices” in the “Analysis Properties” window, or to use the NonPositive method. 用最大似然法估计，应在“分析属性窗”口中适度检查“允许非正定样本协方差矩阵”，或使用非正定的方法。
其他错误提示：
Covariance 协方差（共变关系）
Data Files 数据文件的连结设定
File Manager 文件管理
Interface Properties 界面属性
Analysis Properties 分析属性
Object Properties 对象属性
Variables in Model 模型中的变量
Variables in Dataset 数据文件中的变量
Parameters 参数
Diagram 绘图
Draw Observed 描绘观察变量
Draw Unobserved 描绘潜在变量
Draw Path 描绘单向路径图
Draw Covariance 描绘双向协方差图
Figure Caption 图示标题（图形标题）
Draw Indicator Variable 描绘指标变量
Draw Unique Variable 描绘误差变量
Zoom In 放大图示
Zoom Out 缩小图示
Loupe 放大镜检视
Redraw diagram 重新绘制图形
Identified 被识别
unidentified 无法识别
undo 撤销
redo 恢复（重做）
Copy to clipboafd 复制到剪切板
Deselect all 解除选取全部对象
Duplicate 复制对象
Erase 删除对象
Move Parameter 移动参数位置
Reflect 映射指标变量
Rotate 旋转指标变量
Shape of Object 改变对象形状
Space Horizontally 调整选取对象的水平距离
Space Vertically调整选取对象的垂直距离
Drag Properties 拖动对象属性
Fit to Page 适合页面
Touch up 模型图最适接触
Model-Fit 模型适配度
Calculate Estimates 计算估计值
Stop Calculate Estimates停止计算估计值程序
Manage Groups 管理群组/ 多群组设定
Manage Models 管理模型/ 多重模型设定
Modeling Lab 模型实验室
Toggle Observed / Unobserved 改变观察变量/潜在变量
Degree of Freedom 自由度的信息
Specification Search 模型界定的搜寻
Multiple-Group Analysis 多群组分析
Bayesian estimation 适用于小样本的贝氏估计法
Data imputation 缺失值数据替代法
List Font 字型
Smart 对称性
Outline 呈现路径图的线条
Square 以方型比例绘图
Golden 以黄金分割比例绘图
Customize 定制功能列
Seed Manager 种子管理
Draw Covariances 描绘协方差双箭头图
Growth Curve Model 增长曲线模型
Name Parameters 增列参数名称
Name Unobserved Variables 增列潜在变量名称
Resize Observed Variables 重新设定观察变量大小
Standardized RMR 增列标准化RMR值
Plugins 增列
Commands 命令
Categories 分类
Parameter Formats 参数格式
Computation Summary 计算摘要
Files in current directory 目前目录中的文件
Standardized estimates 标准化估计
Unstandardized estimates 未标准化估计
View the input path diagram-Model specification显示输入的路径图
View the output path diagram 显示输出结果的路径图
Default model 预设模型
Saturated model 饱和模型
Independent model 独立模型
1 variable is unnamed 一个变量没有名称
Nonpositive definite matrices 非正定矩阵
Portrait 肖像照片格式（纵向式的长方形：高比宽的长度长）
Landscape 风景照片格式（横向式长方形：宽比高的长度长）
Page Layout 页面配置
Orientation 方向
Apply 应用
Latent variables 潜在变量
Latent independent潜在自变量（因变量）
Exogenous variables外因变量
Latent dependent潜在依变量（果变量）
Endogenous variables内因变量
Draw a latent variable or add an indicator to a latent variable 描绘潜在变量或增画潜在变量的指标变量
Rotate the indicators of a latent variable 旋转潜在变量的指标变量
Error variable 误差变量
Draw paths-single headed arrows 描绘单向箭头的路径
Draw covariances-double headed arrows 描绘协方差（双向箭头）的路径
Add a unique variable to an existing variable 增列误差变量到已有的变量中
Residual variables 残差变量（误差变量）
Minimization history 极小化过程的统计量
Squared multiple correlations 多元相关平方/复相关系数平分
Indirect, direct ＆ Total effects 间接效果、直接效果与总效果
Sample moments样本协方差矩阵或称样本动差
Implied moments 隐含协方差矩阵或称隐含动差
Residual moments 残差矩阵或称残差动差
Modification indices 修正指标
Factor score weights 因素分数加权值
Covariance estimates 协方差估计值
Critical ratios for difference差异值的临界比值/ 差异值的Z检验
Test for normality and outliers正态性与极端值的检验
Observed information matrix 观察的信息矩阵
Threshold for modification indices修正指标临界值的界定
Means and intercepts 平均数与截距
Page Setpage 设定打印格式
Decimails小数点位数
Column spacing 表格栏宽度
Maximum number of table columns 表格字段的最大值
Table Rules 表格范例
Table Border 表格边框线
Analysis Summary 分析摘要表
Notes for Group 组别注解
Fill color 形状背景的颜色
Line width 边框线条的粗度
Very Thin 非常细
Very Thick 非常粗
Fill style 填充样式
Transparent 颜色透明
Solid 完全填满
Regular 正常字型
Italic 斜体字型
Bold 粗体字型
Bold Italic粗斜体字型
Set Default 设为默认值
Set Default Object Properties 预设对象属性
Pen width 对象框线
Fill style 对象内样式
Parameter orientation 参数呈现方向
The path diagram 绘制的路径图中
Normal template AMOS内定的一般样板格式中
Visibility 可见性：显示设定项目在路径图上
Use visibility setting 使用可见设置
Show picture 显示图形对象
Drag properties from object to object 将对象的属性在对象间拖动
Height 高度
X coordinate X坐标-水平位置
Y coordinate Y坐标-垂直位置
Parameter constraints 参数标签名称
Preserve symmetries 保留对称性
Zoom in on an area that you select 扩大选取的区域
View a smaller area of the path diagram 将路径图的区域放大
View a larger area of the path diagram 将路径图的区域缩小
Show the entire page on the screen 将路径图整页显示在屏幕上
Resize the path diagram to fit on a page 重新调整路径图的大小以符合编辑画面（路径图呈现于编辑窗口页面内）
Examine the path diagram with the loupe 以放大镜检核路径图
Multiple-Group Analysis 多群体的分析
Specification Search 模型界定的搜寻
Select one object at a time 一次选取单一对象
Iteration 8 迭代次数为8
Pairwise Parameter Comparisons 成对参数比较
Varance-Covariance Matrix of Estimates 估计值间方差协方差矩阵
Output输出结果标签钮
Minimization history 最小化过程
Standardized estimates 标准化的估计值
Squared multiple estimates 多元相关的平方
Indirect, direct ＆ total effects间接效果、直接效果与总效果
Sample moments 观察样本协方差矩阵
Implied moments 隐含协方差矩阵
Residual moments 残差矩阵
Modification indices 修正指标
Tests for normality and outlies 检验正态性与异常值
AMOS的五种选项估计法：
Maximum likelihood 极大似然法，简称ML法
Generalized least squares 一般化最小平方法，简称GLS法
Unweighted least squares 未加权最小平方法，简称ULS法
Scale-free least squares 尺度自由最小平方法，简称SFLS法
Asymptotically distribution free 渐近分布自由法，简称ADF法
“错误提示”部分：
An error occurred while checking for missing data in the group, Group number 1.
You have not supplied enough information to allow computing the sample variances and covariances. You must supply exactly one of the following: 没有提供足够的信息，因而无法计算样本的方差与协方差，使用者必须正确提供：
a. The sample variance-covariance matrix. a. 样本方差-协方差矩阵
b. The sample correlation matrix and the sample standard deviations b.样本相关矩阵与样本的标准差；
c. Raw data. c.原始资料。
An error occurred while attempting to fit the model. 拟合模型时出现一个错误。
The sample moment matrix is not positive definite. It could fail to be positive definite for any of the following reasons: 样本协方差矩阵是非正定矩阵。由于下列原因不能正定。
1.The sample covariance matrix or the sample correlation matrix contains a data entry error.样本协方差矩阵或样本相关矩阵包含的数据有误。
2.The ovserved variables are linearly dependent (perhaps because the sample size is too small).观察变量因为样本太少产生线性相依的情形。
3.The sample covariance matrix or sample correlation matrix was computed from incomplete data using the method of ‘pairwise deletion’.使用成对删除法时，从不完全的数据估计出样本协方差矩阵或样本相关矩阵。
4.The sample correlation matrix contains correlation coefficients other than product moment correlations (such as tetrachoric correlations). 与产生动差相关相比，样本相关矩阵包含其他无关相关系数。
For maximum likelihood estimation only, it may be appropriate to check “Allow non-positive definite samples covariance matrices” in the “Analysis Properties” window, or to use the NonPositive method. 用最大似然法估计，应在“分析属性窗”口中适度检查“允许非正定样本协方差矩阵”，或使用非正定的方法。
The following covariance matrix is not positive definite. 下面的协方差矩阵是非正定矩阵。
Add a unique variable to an existing variable 在变量中增列一个独特变量
The following variables are endogenous, but have no residual (error ) variables. 下列变量为内因变量，但是模型中却没有界定残差或误差变量。
Either the constraints on the parameters or the initial parameter values are bad. This error can occur, for example, if you request a maximum likelihood solution while specifying initial parameter values that prevent the population covariance matrix from being positive definite.
(错误的原因可能是)原始参数值欠佳或参数限制不合理。例如，如果你要求最大似然的解决方案而指定初始参数值，要防止人口协方差矩阵是正定矩阵，会出现这个错误。
Check to make sure that every eddogenous variable has a residual variable (error variable) associated with it. 检查确定每个内因变量均界定有一个残差变量或误差变量。
You are now treating薪资所得as an endogenous variable, by making it dependent on another variable. However you previously treated 薪资所得 as an exogenous variable by referring to either its variance or its covariance with another variable.
您把“薪资所得”界定为内因变量，把此变量视为依变量，但您又把“薪资所得”界定为外因变量，和其他变量间有共变关系，此种变量的界定不符合AMOS模型的假定。
引用：http://blog.sina.com.cn/s/blog_3eb3a7190101bcwk.html