解读SPSS多元回归分析结果时，主要关注以下几个方面：
模型摘要
R方（决定系数）：表示模型解释的总变异性的比例。R方越接近1，说明模型拟合效果越好。
调整R方：类似于R方，但考虑了模型中自变量的数量。调整R方越接近1，说明在控制其他变量后，模型拟合效果越好。
显著性水平（Sig.）：用于检验模型整体的显著性。如果Sig.值小于0.05，通常认为模型显著，即自变量对因变量有显著影响。
方差分析表（ANOVA）
F值：用于检验模型整体的显著性。如果F值较大（通常大于某个临界值），则拒绝零假设，认为模型显著。
显著性水平（Sig.）：与方差分析表中的Sig.值相同，用于判断模型整体的显著性。
回归系数表
回归系数（B或β）：表示自变量对因变量的影响程度和方向。正系数表示正相关，负系数表示负相关。
显著性水平（Sig.）：用于检验每个自变量的显著性。如果Sig.值小于0.05，则认为该自变量对因变量有显著预测作用。
标准误（S.E.）：表示回归系数的标准误差，用于衡量回归系数的精确性。
t值：表示回归系数的统计显著性。t值越大，说明回归系数越显著。
残差分析
DW值（Durbin-Watson统计量）：用于衡量残差的自相关程度。DW值接近2表示残差不存在自相关，接近0或4表示存在自相关。如果发现残差存在自相关，可能需要进一步进行修正。
其他统计量
B（贝塔）值：与回归系数类似，但通常用于逐步回归分析中，表示自变量对因变量的影响程度和方向。
R方变化量：在分层回归中，用于衡量自变量加入模型后对模型拟合的改善程度。
示例解读
假设我们有一个多元回归模型，分析年龄、职业、有用性、易用性和趣味性对购买意愿的影响。分析结果可能如下：
模型摘要
R方：0.85
调整R方：0.82
Sig.（模型整体显著性）：<0.001
方差分析表
F值：60.123
Sig.（模型整体显著性）：<0.001
回归系数表
年龄：B = 0.15，Sig. = 0.12（不显著）
职业：B = -0.20，Sig. = 0.03（显著）
有用性：B = 0.30，Sig. < 0.001（显著）
易用性：B = 0.25，Sig. < 0.001（显著）
趣味性：B = 0.10，Sig. = 0.25（不显著）
残差分析
DW值：1.95（接近2，表示残差不存在自相关）
根据以上结果，我们可以得出以下结论：
职业、有用性和易用性对购买意愿有显著正影响（Sig. < 0.05）。
年龄和趣味性对购买意愿的影响不显著（Sig. > 0.05）。
建议
在解读结果时，务必注意显著性水平，以确保结论的可靠性。
结合实际情况，对显著的自变量进行合理解释，并探讨其潜在影响机制。
如果发现模型存在残差自相关，可考虑采用逐步回归或其他方法进行修正。