这是一个应用示例。

泊松回归通常用于对计数数据进行建模。但是，有时，它与模型费率而不是计数更相关。例如，当个人没有被跟踪相同的时间时，这是相关的。例如，1 年以上的 6 起案件不应等于 10 年以上的 6 起案件。所以，而不是拥有

$\log \mu_x = \beta_0 + \beta_1 x$

（其中是那些与协变量的预期计数），你有$\mu_x$$x$

$\log \tfrac{\mu_x}{t_x} = \beta'_0 + \beta'_1 x$

（其中是那些具有协变量的曝光时间）。现在，最后一个方程可以改写$t_x$$x$

$\log \mu_x = \log t_x + \beta'_0 + \beta'_1 x$

和扮演一个偏移的角色。$\log t_x$