回答:
重要なのは、2つのモデルへの適合を表す2つのAIC（または、より良いAICc）値の差です。AIC（またはAICc）の実際の値、およびそれが正か負かは、何も意味しません。データが表現される単位を単に変更すると、AIC（およびAICc）は劇的に変化します。しかし、2つの代替モデルのAICの違いはまったく変わりません。
結論：AIC（またはAICc）の実際の値と、それが正か負かを無視します。2つのAIC（またはAICc）値の比率も無視します。違いだけに注意してください。
AIC = -2Ln（L）+ 2k
ここで、Lはそのモデルの尤度関数の最大値であり、kはモデル内のパラメーターの数です。
あなたの例では、-2Ln（L）+ 2k <0は、最大の対数尤度が> 0であることを意味し、最大の尤度が> 1であることを意味します。
正の対数尤度に問題はありません。対数尤度は負でなければならないというのは一般的な誤解です。尤度が確率密度から導出される場合、1をかなり合理的に超える可能性があります。これは、対数尤度が正であるため、逸脱とAICが負であることを意味します。これは、モデルで発生したものです。
AICを比較することがモデルを選択する良い方法であると信じている場合は、AICの絶対値が最も低いものではなく、（代数的に）より低いAICが優先されます。繰り返しますが、あなたの例では最も負の数が必要です。
一般に、AIC（およびAICc）は定数を追加するまで定義されると想定されるため、負または正であるという事実はまったく意味がありません。答えはイエスです、それは有効です。
はい。AIC値は、正または負に関係なく比較することが有効です。これは、AICが対数尤度の線形関数（-2）として定義されているためです。尤度が大きい場合、AICはおそらくマイナスになりますが、モデル自体については何も言いません。
AICcも同様で、値が調整されたという事実は何も変わりません。