背景：利用环境指标解释同种动物在不同环境下的性状（因变量）差异。采用的方法：利用广义线性模型构建模型，通过AIC准则筛选最优模型，通过对△AICc<2的模型进行模型平均。筛选出来的最优模型中包含作用不显著的环境因子（Pr(>|t|)=0.09753 .）作用不显著的环境因子也能包含在最优模型里面吗？下面是我的模型构建代码和最优模型结果
##############################线性模型构建######################################
global.model <- lm(PC2~ LD+FZZ+GM+DLWH, data=Ant.aic)             #模型构建
ant.model <- glmulti(global.model,level = 1,crit="aicc")              #选用AICc进行评判模型  #glmulti()函数在所有可能的模型(由用户指定的候选集)中找出n个最佳模型(模型的置信度集)
summary(ant.model)
#summary(ant.model)$icvalue                                               #查看模型的AICc结果
weightable(ant.model)

f <- lm(PC2 ~ 1 + LD + FZZ + GM + DLWH, data=Ant.aic)  #手动将筛选的bestmodel添加到函数中。
summary(f)                                                                     #查看函数结果。


结果：
Call:
lm(formula = PC2 ~ 1 + LD + FZZ + GM + DLWH, data = Ant.aic)

Residuals:
    Min      1Q  Median      3Q     Max
-8.4534 -0.3036  0.0841  0.3745  1.6864

Coefficients:
             Estimate Std. Error t value Pr(>|t|)   
(Intercept) -0.466486   0.214704  -2.173  0.03125 *
LD           0.017273   0.010365   1.667  0.09753 .               #该环境因子影响不显著，可以纳入最优模型吗？？？？？？
FZZ          0.005514   0.002955   1.866  0.06381 .
GM           0.009212   0.003455   2.667  0.00844 **
DLWH        -0.800702   0.297627  -2.690  0.00788 **
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.9671 on 163 degrees of freedom
Multiple R-squared:  0.08703,        Adjusted R-squared:  0.06463
F-statistic: 3.885 on 4 and 163 DF,  p-value: 0.004844