这是来自教科书的摘要数据

## 
## Call:
## lm(formula = mpg ~ weight, data = automobile)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -12.012  -2.801  -0.351   2.114  16.480 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 46.3173644  0.7952452   58.24   <2e-16 ***
## weight      -0.0076766  0.0002575  -29.81   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 4.345 on 396 degrees of freedom
## Multiple R-squared:  0.6918, Adjusted R-squared:  0.691 
## F-statistic: 888.9 on 1 and 396 DF,  p-value: < 2.2e-16

然后作者接着说

正如我们上周学习如何计算的那样，β1 的 95% 置信区间也将验证此 SLR 模型中权重的线性表示的强度

现在，这是另一个数据（二次方程）

## 
## Call:
## lm(formula = mpg ~ weight + I(weight^2), data = automobile)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -12.6643  -2.7111  -0.3293   1.8185  16.0863 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  6.252e+01  2.971e+00  21.042  < 2e-16 ***
## weight      -1.864e-02  1.959e-03  -9.517  < 2e-16 ***
## I(weight^2)  1.716e-06  3.042e-07   5.643 3.19e-08 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 4.185 on 395 degrees of freedom
## Multiple R-squared:  0.7148, Adjusted R-squared:  0.7133 
## F-statistic:   495 on 2 and 395 DF,  p-value: < 2.2e-16

作者在这里说

我们可以在这里说，通过查看汇总输出，我们可以猜测 β2 的置信区间（例如 95%）不会覆盖 0，这表明权重的二次项适合添加到模型中。

有人能解释一下这个摘要数据作者是如何解释这个的吗？