Este estudio introduce un nuevo estimador de Liu de dos parámetros (PMTPLE) para abordar el problema de multicolinealidad en el modelo de regresión de Poisson (PRM). La estimación del PRM se realiza tradicionalmente a través del estimador de máxima verosimilitud de Poisson (PMLE). Sin embargo, cuando las variables explicativas están correlacionadas, lo que lleva a la multicolinealidad, la varianza o el error estándar del PMLE se infla. Para abordar este problema, se han introducido varios estimadores alternativos, incluido el estimador de regresión de Poisson ridge (PRRE), estimador de Liu (PLE) y estimador de Liu ajustado (PALE), cada uno de ellos basado en un solo parámetro de contracción. El PMTPLE utiliza dos parámetros de contracción, lo que mejora su adaptabilidad y robustez en presencia de multicolinealidad entre variables explicativas. Para evaluar el rendimiento del PMTPLE en comparación con los cuatro estimadores existentes (el PMLE, PRRE, PLE y PALE), se realiza un estudio de simulación que abarca varios escenarios y dos aplicaciones empíricas. La evaluación del rendimiento se basa en el criterio del error cuadrático medio (MSE). La comparación teórica, los resultados de la simulación y los hallazgos de las dos aplicaciones demuestran consistentemente la superioridad del PMTPLE sobre los otros estimadores, estableciéndolo como una solución robusta para el análisis de datos de recuento bajo condiciones de multicolinealidad.