MINE分析结果可靠吗？

neuropathy

有幸学习了吧友分享数据分析与R语言，其中有一个关于MINE分析的课程，感觉挺好的，就用MINE做了一个简单地分析了一个数据集。数据集为R自带的state.x77。
（1）这是MINE分析及结果：
> MINE("states.csv",1.)

X var        Y var                     MIC (strength)          MIC-p^2 (nonlinearity)
Murder        Frost             0.45173                  0.16133463
Murder        Illiteracy             0.41321                  -0.08096415
Murder        Population    0.3212                  0.20310968
Murder        Income              0.27765                  0.22471428

以上是截取的部分结果。以上MIC结果显示Frost与Illiteracy是与Murder联系较大的变量

（2）用简单地线性回归做了以下分析及结果：
> summary(lm(Murder~Illiteracy+Population+Frost+Income,data=states))

Call:
lm(formula = Murder ~ Illiteracy + Population + Frost + Income,
     data = states)

Residuals:
     Min      1Q  Median      3Q     Max
-4.7960 -1.6495 -0.0811  1.4815  7.6210

Coefficients:
                      Estimate     Std. Error      t value     Pr(>|t|)   
(Intercept)    1.235e+00  3.866e+00    0.319       0.7510   
Illiteracy       4.143e+00  8.744e-01     4.738        2.19e-05 ***
Population   2.237e-04  9.052e-05      2.471        0.0173 *  
Frost             5.813e-04  1.005e-02      0.058        0.9541   
Income         6.442e-05  6.837e-04      0.094        0.9253

> step(lm(Murder~Illiteracy+Population+Frost+Income,data=states),direction="backward")

Call:
lm(formula = Murder ~ Illiteracy + Population, data = states)

Coefficients:
(Intercept)     Illiteracy        Population  
1.6515497    4.0807366    0.0002242  
最后Illiteracy和Population是入选的因变量。与MINE结果有不同。

请问大家，这是为什么呢？是不是MINE虽是广义线性回归但是仍有应用条件？还是因为其他什么原因？