setwd("D:/data")  # 设置工作目录，根据实际情况修改路径
d3.4<-read.csv("C:\\Users\\86167\\Desktop\\ex3.4.csv",header=T)  # 读取数据到数据框d3.4
glm.ln<-glm(y~x1+x2,family=poisson(link=log),data=d3.4)
summary(glm.ln)

## 
## Call:
## glm(formula = y ~ x1 + x2, family = poisson(link = log), data = d3.4)
## 
## Coefficients:
##             Estimate Std. Error z value Pr(>|z|)    
## (Intercept)  0.54798    0.19085   2.871 0.004088 ** 
## x1           0.02772    0.01374   2.017 0.043655 *  
## x2           0.65596    0.17736   3.698 0.000217 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for poisson family taken to be 1)
## 
##     Null deviance: 63.153  on 59  degrees of freedom
## Residual deviance: 19.554  on 57  degrees of freedom
## AIC: 211.77
## 
## Number of Fisher Scoring iterations: 4

##lny^=0.5480+0.0277x1+0.6560x2 ##x1，x2显著 ##x1和x2的系数都显著,说明家庭年收入(x1),是否有私家车(x2)对一年外出旅游条件(y)重要影响.x2的回归系数为0.0227,表明保持其他预测变量不变,有私家车，旅游次数的对数的均值将相应的增加0.0227.

exp(coef(glm.ln))

## (Intercept)          x1          x2 
##    1.729759    1.028110    1.926987

##x1 对应的 1.028118 :该值表示在其他变量不变的情况下，家庭年收入每增加1万元，家庭一年外出旅游次数的期望值会乘以1.028110。这说明家庭年收入对家庭一年外出旅游次数有正向影响，虽然影响程度相对较小(因为系数接近1)。x2 对应的 1.926987:这个值表示在其他条件相同的情况下，有私家车(x2=1)的家庭相比没有私家车(x2=0)的家庭，家庭一年外出旅游次数的期望值会乘以1.926987。这表明是否有私家车对家庭一年外出旅游次数有较大的正向影响，有私家车的家庭外出旅游次数的期望值明显更高。