R语言实战中的例子
fit<-lm(Murder~Population+Illiteracy+Income+Frost,data=states)
警告多于50个(用warnings()来显示第一个到第50个)
> summary(fit)

Call:
lm(formula = Murder ~ Population + Illiteracy + Income + Frost,
    data = states)

Residuals:
    Min      1Q  Median      3Q     Max
-4.7960 -1.6495 -0.0811  1.4815  7.6210

Coefficients:
             Estimate Std. Error t value Pr(>|t|)   
(Intercept) 1.235e+00  3.866e+00   0.319   0.7510   
Population  2.237e-04  9.052e-05   2.471   0.0173 *  
Illiteracy  4.143e+00  8.744e-01   4.738 2.19e-05 ***
Income      6.442e-05  6.837e-04   0.094   0.9253   
Frost       5.813e-04  1.005e-02   0.058   0.9541   
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 2.535 on 45 degrees of freedom
Multiple R-squared:  0.567,     Adjusted R-squared:  0.5285
F-statistic: 14.73 on 4 and 45 DF,  p-value: 9.133e-08
其中书上写出Frost的系数没有显著不为0（p=0.954），表示控制其他变量不变，Frost与Murder不线性相关。
这代表可以他两之间关系不强，可以剔除么？其中Multiple R-squared:  0.567，这项可不可以近似代表这个模型56.7%的合理度？ 剔除掉Frost算出来的Multiple R-squared是0.5669，并没有变好啊，这是为什么呢?