前面我们考虑了因变量为连续变量以及多种分类变量的回归分析，下面我将为大家介绍泊松回归的方法来处理计数数据的回归分析，这也是小编在帮别人做数据分析的时候，经常遇到的一种回归分析方法。
方法/步骤
1
有时候研究需要记录事件发生的概率。例如，儿童心理学家在特定时间内记录儿童攻击行为或欺负行为的次数。再如，安全管理方面的专家统计某段时间内交通事故发生的次数等。
2
计数数据在心理学研究中并不常见，但在其他社会科学领域还是相当普遍的。如下例：TITLE: this is an example of a Poisson regression for a count dependent variable with two covariates DATA: FILE IS ex3.7.dat; VARIABLE: NAMES ARE u1-u6 x1-x4; USEVARIABLES ARE u1 x1 x3; COUNT IS u1; ！定义计数变量 MODEL: u1 ON x1 x3;对于计数数据来说我们采用 泊松回归（Poisson regression）进行分析，泊松回归默认的方法是稳健最大似然估计（MLR）。其最重要的语句是在variable下面加上count语句，对因变量设定为计数变量。
3
泊松回归的结果跟一般回归的结果差不多，我们可以看下图的结果输出部分，没有模型检验的结果，只有回归系数的检验等。