要是算出来的AIC是负数，说明这个模型参数少但解释力强。公式是AIC等于两倍参数个数减去两倍对数似然值，参数越多解释力越强，但计算出的AIC值会越大。当参数少得刚刚好时，减法结果就会变成负数，就像买三块钱的面包省了两块钱，算出来是-1块那样。这时候模型既没浪费参数，又把数据解释得挺清楚。

要是算出来的AIC是负数，说明这个模型参数少但解释力强。公式是AIC等于两倍参数个数减去两倍对数似然值，参数越多解释力越强，但计算出的AIC值会越大。比如有个例子，参数k=3，似然值ln(L)=5，代入公式AIC=2×3-2×5=6-10=-4。这时候负数说明模型用3个参数解释了5倍的对数似然，比用4个参数少算1个参数的情况下，AIC还能比它低0.5，说明参数没浪费。不过要注意，负数不一定都是好事，要是模型故意用很少参数强行拟合，反而可能过拟合。就像用1个参数强行画100个点，虽然算出来AIC=-200，但实际预测新数据准不准另说。这时候最好再看看BIC值或者交叉验证结果，综合判断模型好坏。