底线是（正如杰里米迈尔斯所说）负对数似然的值并不重要，只有负对数似然之间的差异。但是您可能仍然想知道为什么您会得到负值。

从这里复制我的答案：

从技术上讲，概率不能>1，因此对数似然不能>0，因此负对数似然不能为负。AIC/BIC 等由负对数似然加上正“惩罚”项组成（在聚类分析中，人们通常会翻转定义的符号！），所以它们也不能是负数。

然而，有一种常见的情况是我们可以得到我们使用的“负对数似然”函数的负值（在这些情况下，它不完全是负对数似然）。（这些反过来会产生负 AIC（即）。）$-2\log(L)+2k<0$

对于连续响应变量，我们写的实际上是一个负对数似然密度函数，而不是一个负对数似然函数。例如，这是一张正常密度的图片，其中 μ=0，σ=0.1。

可以看到密度超过 1，表示对数密度 >0，表示负对数似然密度为负。只要似然曲线非常窄，就会发生这种情况。（从数学上讲，我们的表达式中应该有一个无穷小的项——我们通常会忽略它，因为它不会影响我们的推理。）$dx$

另一种常见的情况（但我没有找到一个例子）是我们经常在可能性表达式中删除归一化常数，因为它们很麻烦而且它们不会影响推理。如果我们有一个离散分布（因此可能性实际上是一个概率并且必须 <= 1）并且归一化常数足够小，则删除归一化常数原则上可以给我们一个 >1 的表达式。我还没有找到一个实际发生这种情况的例子，虽然......

是的。

-2 LL 表示 -2 乘以对数似然。

AIC、BIC 等（据我所知）仅根据来自不同模型的其他值进行解释。-100 的 AIC 本身没有任何意义。当使用相同数据的不同模型的 AIC 为 -90 时，这意味着某些东西，因此差异为 10。差异是有趣的事情。