Tengo un modelo de regresión para algunos datos de series de tiempo que investigan la utilización de drogas. El propósito es ajustar una spline a una serie temporal y calcular un IC del 95%, etc. El modelo es el siguiente:

id <- ts(1:length(drug$Date))
a1 <- ts(drug$Rate)
a2 <- lag(a1-1)
tg <- ts.union(a1,id,a2)
mg <-lm (a1~a2+bs(id,df=df1),data=tg) 

El resultado resumido demg es

Call:
lm(formula = a1 ~ a2 + bs(id, df = df1), data = tg)

Residuals:
     Min       1Q   Median       3Q      Max 
-0.31617 -0.11711 -0.02897  0.12330  0.40442 

Coefficients:
                  Estimate Std. Error t value Pr(>|t|)    
(Intercept)        0.77443    0.09011   8.594 1.10e-11 ***
a2                 0.13270    0.13593   0.976  0.33329    
bs(id, df = df1)1 -0.16349    0.23431  -0.698  0.48832    
bs(id, df = df1)2  0.63013    0.19362   3.254  0.00196 ** 
bs(id, df = df1)3  0.33859    0.14399   2.351  0.02238 *  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

Estoy usando laPr(>|t|) valor dea2 para probar si los datos bajo investigación están autocorrelacionados.

¿Es posible extraer este valor dePr(>|t|) (en este modelo 0.33329) y lo almacena en un escalar para realizar una prueba lógica?

Alternativamente, ¿se puede resolver utilizando otro método?