在SPSS中进行泊松回归分析的步骤如下：

1. 打开SPSS软件并加载数据集。

2. 选择“分析”菜单，然后选择“回归”子菜单，再选择“广义线性模型”。

3. 在弹出的对话框中，选择“广义线性模型”类型为“泊松”（Poisson）。

4. 将因变量（泊松分布的计数数据）拖放到“因变量”框中。

5. 将自变量（可能影响因变量的变量）拖放到“因子”框中。

6. 可以选择添加其他控制变量，将其拖放到“协变量”框中。

7. 点击“模型”按钮，选择需要的模型类型，如“主效应”或“交互作用”。

8. 点击“选项”按钮，可以选择输出的统计信息和图形。

9. 点击“确定”按钮开始进行泊松回归分析。

10. 分析结果将显示在输出窗口中，包括模型拟合信息、参数估计值、显著性检验等。请注意，进行泊松回归分析时，需要确保因变量满足泊松分布的特征，即平稳性、独立性和低概率性。如果数据不满足这些特征，泊松回归可能不适用，需要考虑其他回归方法。

分析--非参数检验--1 sample K-S检验——将normal（正态分布）、possion（泊松分布）、相等分布、指数分布都勾选上，确定，得到的结果中，P值大于0.05的所对应的分布便是该数据的分布类型

SPSS软件可以用于进行泊松回归分析。下面是使用SPSS进行泊松回归的步骤：

1.打开SPSS软件并加载数据集。

2.在“菜单栏”上选择“回归”>“泊松回归”。

3.从“被解释变量”列表中选择要用作泊松回归的因变量，然后将其添加到“因变量”框中。

4.从“自变量”列表中选择要用作预测因素的自变量，并将其添加到“自变量”框中。

5.可以点击“选项”按钮选择更多选项，如拟合优度统计、标准化系数等。

6.点击“确定”按钮进行回归分析。

7.SPSS将输出泊松回归的结果，包括回归系数、标准差、P值等。你可以根据这些结果来解释变量之间的关系和影响。

需要注意的是，进行泊松回归分析前需要确保数据符合泊松分布的假设，即因变量是离散计数数据，且满足泊松分布的均值等条件。

在SPSS中做泊松回归的步骤如下：

打开数据集，准备好需要分析的数据。

在菜单栏上选择“分析”->“回归”->“泊松”。

在“泊松回归”对话框中，将自变量和因变量拖入相应的框中。

如果需要添加一个时间变量，可以在“时间变量”框中输入一个时间变量。

选择“模型 builder”选项，在“泊松回归”对话框中展开模型构建器。

在模型构建器中，可以添加或删除自变量，也可以改变它们的顺序。

选择“统计”选项，可以查看回归系数的显著性检验、回归方程的拟合优度等统计信息。

选择“绘制”选项，可以生成回归线图和残差图。

点击“确定”按钮，完成泊松回归分析。

以上就是在SPSS中做泊松回归的步骤，具体操作还需要根据实际情况进行调整和优化。