我試圖適應的 累積分佈的雙對數圖網絡，以三種模式之一：指數(P(k)~e^(-ak))， 指數截斷的冪律(P(k)~k^(a-1)e^(k/kc))和電力 法律(P(k)~k^-a)。我知道這是一個低的信息考驗，但我 只是想確定三個車型是最適合 （或者可能是最可怕的配合！）軟件計算AIC的功法，指數和指數截斷冪
我在與logCPK一個Excel工作表（列B）和三個模型（列C，D和E）的擬合值。我還有 也計算了三個模型（列G，H， 和I）的總平方和（SST）（列F），然後計算了誤差平方和（SSE）。
對於三個模型，我然後計算1-(sum(SSE)/sum(SST)) 來估計一個簡單的線性迴歸的R^2值的每 模型，其在黃色在Excel中 表的底部突出。所以，現在我有三個R^2值（冪律= 0.507，指數 = 0.777，指數截斷冪律= 0.899）。首先，似乎指數截斷的冪律具有最佳的擬合（最高的R^2值）。但是，我不知道該如何解釋 懲罰，該指數截斷冪有 度的2自由的事實，而其他兩款車型有度 自由1.
的時候我在網上接觸的另一個統計源，我被告知我應該 使用「似然比測試」。從我所瞭解的情況來看， 最適合其「對數似然性」的負值最小。 但是，指數截斷冪律最初似乎具有其「對數似然性」的最小負值（因爲它有兩個 df，而另外兩個模型只有一個df），所以我必須測試 在考慮 自由度之後它是否確實保持較低的負值。
我認爲我知道如何從理論上計算一部分，在Excel中：
1）使用CHIDIST（A，B），其中A是
2*(log.likelihood of Exponentially
truncated - log.likelihood of Power law)
和B的區別在df （2-1 = 1）中。如果p值小於0.05，那麼指數級 確實比Power定律更適合。 2）使用CHIDIST（A，B）其中A是
2*(log.likelihood of Exponentially
truncated - log.likelihood of Exponential)
和B是 DF（2-1 = 1）的差值。如果p值小於0.05，那麼指數式 截斷的確比擬指數更適合。
然後我可以得出結論哪個模型是最合適的。
這就是我的問題所在（取決於我的想法 以上是否正確），如何計算 日誌（可能性）？我搜查了，但我仍然在迷路。這似乎是 ，這個手工計算是一個野獸（除非我可以簡單地使用我已經在Excel中已有的 ），所以我也在問關於軟件。
另一種方法是計算AIC（也有人對我來說），但 我相信我仍然有同樣的問題，在這裏我需要計算 日誌（可能性）爲AIC方程(AIC = 2k - 2ln(L))。
所以我的具體問題是如何直接從我在Excel中使用或使用 軟件來計算三種模型的AIC和/或日誌（可能性） 。
預先感謝您！
PS：我已經看過成R編程，看看它有一個AI {統計}和 logLik {統計}功能，但我不從文檔 明白我是否擁有所有必要的輸入信息來運行這些功能， ，如果是的話，如何運行它。