泊松回歸包括回歸模型，其中響應變量是計數而不是分數的形式。 例如，足球比賽系列中的出生次數或勝利次數。 此外，響應變量的值遵循泊松分布。
泊松回歸的一般數學方程為 -
log(y) = a + b1x1 + b2x2 + bnxn.....
以下是所使用的參數的描述 -
y是響應變量。
a和b是數字系數。
x是預測變量。
用于創建泊松回歸模型的函數是glm()函數。
語法

在泊松回歸中glm()函數的基本語法是 -
glm(formula,data,family)
以下是在上述功能中使用的參數的描述 -
formula是表示變量之間的關系的符號。
data是給出這些變量的值的數據集。
family是R語言對象來指定模型的細節。 它的值是“泊松”的邏輯回歸。
例

我們有內置的數據集“warpbreaks”，其描述了羊毛類型（A或B）和張力（低，中或高）對每個織機的經紗斷裂數量的影響。 讓我們考慮“休息”作為響應變量，它是休息次數的計數。 羊毛“類型”和“張力”作為預測變量。
輸入數據

input <- warpbreaks
print(head(input))
當我們執行上面的代碼，它產生以下結果 -
breaks wool tension
1 26 A L
2 30 A L
3 54 A L
4 25 A L
5 70 A L
6 52 A L
創建回歸模型

output <-glm(formula = breaks ~ wool+tension,
data = warpbreaks,
family = poisson)
print(summary(output))
當我們執行上面的代碼，它產生以下結果 -
Call:
glm(formula = breaks ~ wool + tension, family = poisson, data = warpbreaks)

Deviance Residuals:
Min 1Q Median 3Q Max
-3.6871 -1.6503 -0.4269 1.1902 4.2616

Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 3.69196 0.04541 81.302 < 2e-16 ***
woolB -0.20599 0.05157 -3.994 6.49e-05 ***
tensionM -0.32132 0.06027 -5.332 9.73e-08 ***
tensionH -0.51849 0.06396 -8.107 5.21e-16 ***

Signif. codes: 0 ‘’ 0.001 ‘’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for poisson family taken to be 1)

Null deviance: 297.37  on 53  degrees of freedom

Residual deviance: 210.39 on 50 degrees of freedom
AIC: 493.06

Number of Fisher Scoring iterations: 4
在摘要中，我們查找最后一列中的p值小于0.05，以考慮預測變量對響應變量的影響。 如圖所示，具有張力類型M和H的羊毛類型B對斷裂計數有影響。