我想我的评论已经变得如此广泛，以至于我应该称它们为答案。

如果这是您想要固定效果的情况，您可以使用 Poisson glm 来完成，就像您可以通过 lm 进行 ANOVA 一样。如果您想要一个混合模型（glmm），您可以使用lme4（例如 function glmer），尽管还有其他合适的包（见下文）。

如果您确实想要一个固定效应模型，例如方差分析，但使用泊松数据（我并不是说这就是您应该做的，只是听起来像您要求的那样），对于您可以从字面上完全使用的因素glm 中的命令与 lm 中的命令相同，但附加参数为family=poisson.

比较：summary(lm(count~spray,data=InsectSprays))
与summary(glm(count~spray,family=poisson,data=InsectSprays))

该anova命令甚至可以用于比较 glms，因为它用于 lms。如果 null 为真且泊松假设成立，则差异的偏差应与指示的 df 呈卡方关系，但即使完全理解 glms 的基本用法也需要一本教科书。

对于执行 glmms 及其功能的包，这里