若大家无法下载附件的话，我把附件的内容粘贴了过来，如下：

最近刚刚接触SAS 软件，感觉非常方便实用，但是在处理数据中遇到如下问题，实在不知道什么原因，在此向各位高手请教：
我使用一般线性回归中的最小二乘法（OLS）和广义线性模型中的泊松分布处理同一批数据，可是得到的结果却存在很大差异，数据如下（与以下程序中数据一致）：

  使用OLS和泊松回归方法进行的一元一次和二次回归分析结果如下：
OLS一次P值  0.394
OLS一次R平方  0.033
OLS二次P值  0.003
OLS二次R平方  0.421
泊松一次P值  0.7594
泊松一次X平方  0.09
泊松二次P值  0.8351
泊松二次X平方  0.04       
                                               
希望高手可以告诉我出现如此大的结果差异的原因！
作为新手，我猜想了以下可能的情况：
1、泊松回归程序不正确。因为OLS得结果我拿 SPSS进行了验证，结果肯定正确，因此在此怀疑自己的泊松回归程序是否错误，现在把程序放上，请高手看下是否正确：
一次回归程序：
DATA poi;
         INPUT X C@@;
          CARDS;
64.79        11.00
59.90        11.00
59.72        11.00
48.29        9.00
54.87        9.00
61.46        11.00
63.20        10.00
65.16        10.00
44.36        8.00
55.09        10.00
76.48        9.00
56.17        12.00
65.82        13.00
79.66        9.00
47.51        10.00
44.33        9.00
60.20        10.00
54.58        9.00
59.42        11.00
51.43        10.00
51.25        11.00
57.54        10.00
49.51        10.00
73.52        10.00

run;
          PROC genmod date=poi;
          MODEL C=x/dist=poi link=log;
      run;


二次回归程序：
DATA poi;
         INPUT X C@@;
          CARDS;
64.79        11.00
59.90        11.00
59.72        11.00
48.29        9.00
54.87        9.00
61.46        11.00
63.20        10.00
65.16        10.00
44.36        8.00
55.09        10.00
76.48        9.00
56.17        12.00
65.82        13.00
79.66        9.00
47.51        10.00
44.33        9.00
60.20        10.00
54.58        9.00
59.42        11.00
51.43        10.00
51.25        11.00
57.54        10.00
49.51        10.00
73.52        10.00

run;
          PROC genmod date=poi;
          MODEL C=x*x/dist=poi link=log;
      run;
2、是否我这组数据分布情况只适合OLS或者泊松分布中的一种，因此两种回归结果差距如此巨大，如果是的话，到底哪个是正确的？为什么？
另外，是否是其他原因导致结果差异这么大？
请高手指教，不胜感谢！

期待明天早晨打开电脑，就能得到惊喜啊！

你还需要学习很多的关于广义线性模型的知识。出现差异的原因有两个：
第一：在广义线性模型中，你使用的分布dis=有问题，这里应该选择dis=normal.
第二：同样，对应的link函数也有问题，应该是link＝id
修改程序如下：

PROC genmod data=poi;
          MODEL C=x/dist=normal link=id;
run;

你再运行上面的程序，就会有和你用下面的一般线性回归结果一致：
PROC reg data=poi;
          MODEL C=x;
run;

另外，如果你认为分布不是正态而就是泊松，那么应该用下面的程序：
PROC genmod data=poi;
          MODEL C=x/dist=Poisson link=log;
run;
当然，你还可以拟和其他各种各样的数学模型，甚至根据业务需求自己开发一个good-of-fit最高的模型，denpend on your business requirement. that is it!

感谢nkwilling 的帮助，让我受益匪浅！