Сравнение четырех линейных моделей помощи

Я установил четыре линейные модели в r. Они имеют вид:

Y8FMI ~ Y8MVPAper
Y9FMI ~ Y9MVPAper
Y12FMI ~ Y12MVPAper
Y15FMI ~ Y15MVPAper

Я скорректировал предположения линейной модели с помощью преобразования Box-Cox переменной отклика, и, следовательно, переменные отклика имеют полномочия, указанные в команде summary ниже. Я включил только выходные данные Y8 и Y9, и я ищу способ обсуждения статистической значимости склонов в каждом возрасте с помощью перехвата, оценок наклона и стандартных ошибок.

У меня есть следующий вывод для каждой модели: Y8 -

 Call:
lm(formula = (y8_FMI)^0.38 ~ y8_MVPAper, data = boydata)

Residuals:
     Min       1Q   Median       3Q      Max 
-0.75175 -0.15035 -0.01327  0.14428  0.74220 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)  1.907999   0.053568  35.618  < 2e-16 ***
y8_MVPAper  -0.020456   0.004508  -4.537 8.82e-06 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.2661 on 252 degrees of freedom
  (269 observations deleted due to missingness)
Multiple R-squared:  0.07553,   Adjusted R-squared:  0.07186 
F-statistic: 20.59 on 1 and 252 DF,  p-value: 8.82e-06

Y9 -

Call:
lm(formula = (y9_FMI)^0.06 ~ y9_MVPAper, data = boydata)

Residuals:
      Min        1Q    Median        3Q       Max 
-0.095261 -0.018724 -0.001176  0.021984  0.088901 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)  1.116715   0.006866 162.657  < 2e-16 ***
y9_MVPAper  -0.002631   0.000624  -4.216  3.7e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.03074 on 209 degrees of freedom
  (312 observations deleted due to missingness)
Multiple R-squared:  0.07838,   Adjusted R-squared:  0.07397 
F-statistic: 17.77 on 1 and 209 DF,  p-value: 3.702e-05

Приветствия,

Olly