计算R中多元回归中每个变量的解释方差

我正在使用多个预测因子进行多元回归，以测试人们是否会说他们将签署另一份合同（利克特量表）。我需要计算我创建的每个平均问题簇的额外方差，看看除了有一个强大的beta系数外，这个簇是否真的有助于解释人们选择签署额外合同。 可复制示例：

indepndent:
avg_direct_supervisor = c(4.66,4,2,2.33,2.66,3.5)
avg_friends = c(4,3.5,4,1,2.5,5)
avg_moving = c(3.4,5,2,3.5,4,3)

dependent: 
sign_contract = c(3,4,5,3,4,2)

现在我进行了多元回归分析

avg_direct_supervisor = c(4.66,4,2,2.33,2.66,3.5)
avg_friends = c(4,3.5,4,1,2.5,5)
avg_moving = c(3.4,5,2,3.5,4,3)
sign_contract = c(3,4,5,3,4,2)

trial <- data.frame(avg_direct_supervisor,avg_friends,avg_moving,sign_contract)

trial_model <- lm(data = trial,formula = sign_contract~.)

summary(trial_model)

Residuals:
       1        2        3        4        5        6 
 0.50480  0.50450  0.99131 -0.61958  0.09018 -1.47121 

Coefficients:
                      Estimate Std. Error t value Pr(>|t|)
(Intercept)             3.8425     3.3096   1.161    0.365
avg_direct_supervisor  -0.7697     0.9777  -0.787    0.514
avg_friends             0.2357     0.6660   0.354    0.757
avg_moving              0.3813     0.9426   0.405    0.725
Residual standard error: 1.423 on 2 degrees of freedom

Multiple R-squared:  0.2639,    Adjusted R-squared:  -0.8402 

F-statistic: 0.239 on 3 and 2 DF,  p-value: 0.8644

avg_direct_supervisor=c（4.66,4,2,2.33,2.66,3.5）
平均朋友数=c（4,3.5,4,1,2.5,5）
平均移动=c（3.4,5,2,3.5,4,3）
签署合同=c（3,4,5,3,4,2）
你的意思是
rsquared
？rsquared是entrie多元回归的总解释方差。我正在寻找每个独立变量对模型的贡献。我相信它已经在
R
中的
lm
模型中可用。如果您包含一个简单的示例输入和所需的输出，可以用来测试和验证可能的解决方案，那么可以更容易地帮助您。仅仅要求一揽子建议被认为是离题的。描述你的确切问题，如果一个软件包可以帮助你，它将包含在答案中。它是
anova（）
。