正对数似然和负AIC我注意到JMP总是报告正LL和负AIC，例如“ -2LL = -1406.88”或“ AICc = -1451.534”。这没有道理，对吗？LL根据定义必须为负数； AIC原则上可以是负数，但是LL低且参数数量少时，它通常是正数。
我在这里缺少基本的东西吗？
谢谢！
回复：正对数似然和负AIC您可能没有看到例外，但可能会发生。您认为对数可能性始终为负是正确的，因为可能性始终为0到1。同样，-2L始终为正。但是，AICc可以为负也可以为正。
例如，
回复：正对数似然和负AIC谢谢！在该示例中，您给出的一切都是“好”。LL阴性，BIC和AIC阳性。因此，它并不能完全回答我的问题。我明白了
因此，我应该假设这样的报告中是一种类型（减号不应在那里，请参见标有>>>>的行）？
广义线性模型拟合
通过最大似然估计的超分散参数
响应：O2Cons_ugO2 / mgWW
分布：正常
链接：身份
估计方法：最大似然
观测值（或总和）= 369
回归图
整体模型测试
>>>>模型-LogLikelihood LR ChiSquare DF Prob> ChiSq
>>>>差异60.566153 121.1323 1 <.0001
>>>>完整-1459.5116
>>>>减少了-1398.9455
拟合优度统计ChiSquare DF概率> ChiSq过度分散
培生0.0079 367 1.0000 0.0000
偏差0.0079 367 1.0000
集成电路
-2912.958
效果测试
来源DF LR ChiSquare Prob> ChiSq
assayT 1 121.13231 <.0001
参数估计
项估计标准误差LR ChiSquare概率> ChiSq下CL上CL
拦截0.001544 0.0007616 4.0872942 0.0432 0.0000474 0.0030406
assayT 0.0003546 0.0000296 121.13231 <.0001 0.0002964 0.0004127
预测的学生化偏差残差
回复：正对数似然和负AIC我认为这些结果没有任何问题。如果您担心负面的AICc，那么这种情况一直都会发生。这里真的没有任何规模。较小的AICc总是建议使用更好的模型。因此，AICc = 1000的模型优于AICc = 1200的模型。AICc = -1250的模型优于AICc = -1200的模型。
回复：正对数似然和负AIC完整模型 -LogLikelihood = -1459.5116。即 LogLikelihood = 1459.5116。> 0。不可能是。要么不是LL，要么是LL，但是其中应该有一个减号。
还是我错过了什么大方法。
谢谢
回复：正对数似然和负AIC这是连续响应的AICc的计算：
第一项是-2L。因此，如果您的SSE较小（非常合适），那么-2L可以为负。
回复：正对数似然和负AIC知道了 该LL不是来自ML过程。然后是我的最后一个问题：我是否仍可以在对数比测试中使用这些值，或者它们不适合这样做？
谢谢你的帮助！回复：正对数似然和负AIC它来自MLE程序。估算使-2L最小。
是的，对于LRT卡方检验，您可以使用零值下的对数似然与替代假设之间的差值的两倍。
回复：积极的对数似然和负面的AIC你好
您能解释一下-2LL的报告位置吗？我只看到最终的AICc值。我正在使用JMP 14。
更新：没关系，我知道了（我需要做一个GLM），现在我不知道如何删除这篇文章。
回复：积极的对数似然和负面的AIC这是在JMP 10中。我认为JMP 14可以检查。
回复：积极的对数似然和负面的AIC请不要删除此帖子。该讨论对可能也找不到-2L的其他用户很有用。
