Birçokbilimsel çalışmada sayım verisi olarak adlandırılan negatif olmayan tamsayıdeğerleri alan nicel veriler kullanılmaktadır. İstatistiğin en temel analiz yöntemlerinden biri olan regresyonanalizi kapsamında da sayım verileri oldukça sık kullanılmaktadır. Bağımlıdeğişkenin tamsayı ile ifade edilebildiği regresyon modelleri sayım modelleriolarak tanımlanır. Bu çalışmada sayım modelleri kapsamında model seçimiincelendi. Sayım modellerinde model seçimi için klasik seçim yöntemleri ve PSOalgoritması kullanıldı. Uygulamalar hem simülasyon hem de gerçek verilerüzerinde yapıldı. Sonuç olarak klasik yöntemlerle kıyaslandığında PSOalgoritmasının, modeldeki değişken sayısı arttıkça ve bağımsız değişkenlerarasındaki korelasyon değerleri yükseldikçe daha iyi sonuçlar verdiği ve sayımmodelleri için PSO algoritmasının değişken seçiminde alternatif bir yöntemolarak kullanılabileceği gösterilmiştir.In most scientificstudies quantitative data are used which take non-negative integer values,called count data. Count data are also used frequently in the context ofregression analysis, which is one of the most basic analysis methods ofstatistical analysis. The regression models in which the dependent variable canbe expressed by integers are defined as count models. In this study, the modelselection in the context of count models was investigated by using classicalselection methods and PSO algorithm. Applications were made on both simulationand real data. As a result, it has been shown that PSO algorithm can be used asan alternative method for PSO algorithm selection for count models when thenumber of model variables increases and the correlation values ​​betweenindependent variables increases as compared to classical methods.