继续前面，当你得到了联合概率密度函数后，进行参数的极大似然估计，通过似然函数对各个参变量求偏导数，。。。，可以得到各个参变量的估计。
  
  要说这个数值的实质意义，我觉得对于一个正态分布的联合概率密度函数，当参变量估计值越趋近于理想值时，这个联合概率密度函数是越大的，当然数值上是很小的一个数，E的-240.几次。比如，在做SFA分析时，采用不同的生产函数进行生产边界分析，在上面这种方法下是可以得到不同的LOG 值的，但是到底哪种更好？  我认为LOG值越大的，最能表明这种生产函数下的参数估计最为有效。

-214.0830倍的对数似然函数的值。。

楼上正解！

那请问它有什么用呢？如何对这个数据进行分析？孙敬水的《计量经济学》根本没有提到这个值的解释

对数似然函数主要用在回归分析中进行未知参数的估算，通常的假设是噪声（也称误差）为独立同分布的正态随机变量，均值为0并且方差为t^2，因此就可以得到要进行回归分析的观察值的联合概率函数。这样一来，样本观察值就可以作为未知参数的函数，通过对这个联合概率密度函数的对数进行最大化可以得到未知参数的估计值，进而得到要求的函数。
   因此，log likelyhood实质上是对数似然函数的最大值。  建议你可以去读一读关于回归分析方面的书，包括最小二乘等等，可以得到更深的认识。