考虑简单的线性回归Y = aX + b。 lm()函数中截距和自变量的标准误差（公式）如何计算？这两个标准错误表示什么？
要明确这个问题：
model=lm(cpcc[,"PE"]~cpcc[,col])
print(summary(model))
output---------------------------------------------------------
Call:
lm(formula = cpcc[, "PE"] ~ cpcc[, col])
Residuals:
Min 1Q Median 3Q Max
-43.747 -11.114 -3.009 9.801 60.252
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -1.055e+03 2.546e+01 -41.45 <2e-16 ***
cpcc[, col] 1.490e+00 2.513e-02 59.30 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 14.6 on 9566 degrees of freedom
Multiple R-squared: 0.2688, Adjusted R-squared: 0.2687
F-statistic: 3516 on 1 and 9566 DF, p-value: < 2.2e-16
什么是标准。截取错误和cpcc [，col]（我的X变量）表示吗？计算这些值的公式是什么？