Multiple R、R Square、Adjusted R Square 指复决定系数、可决系数、调整可决系数，都不是很大，效果不显著。Standard Error指标准误。
ANOVA这一块是方差分析表，df是自由度，SS指平方和，MS=SS/df 指均方。回归平方和SSR=0.209717744，残差平方和SSE=0.174575268，总偏差平方和SST=0.384293013。检验统计量F=MSR/MSE=17.11856372。后面一栏应该是Significance F，也即F检验P值，若<.0.05,则认为回归方程整体显著.
后面那一部分是回归系数表，Intercept指截距项（即常数项),Coefficients指各变量前的系数，Standard Error指回归系数的标准误，t Stat 指回归系数的t检验值，P-value即P值， 指t检验的实际显著性水平，一般在小于0.05时拒绝原假设：系数=0。X2、X4的P值<0.05，效果显著。

ss是平方差，MS是均差，用SS/df就是MS了。

而且，你为什么用Excel呢？个人觉得SPSS等跟好一些！不过你这个也可以解释啦，你想知道什么呢？
你这个是多元回归吧？有四个自变量，数据没有进行标准化，所以还有截距的存在。
我看不到你数据的全貌，拖上拖下的很不方便呢！

首先要看样本数据是截面或时间序列数据，若是前者，Adjusted R Squar＝0.51，且F－统计量也是显著的，因此回归方程具有一定的解释能力；若是后者，回归方程的解释能力较弱，可能是因为存在多重共线的问题（自变量间存在较强的相关性所致）。

上面的Adjusted R2 是表示你的回归方程解释了多少变异。在这里为0.51（建议你把数据的小数位数减少一点！太多了没有用而且占版面！）
    observation为样本量，62个   
   ANOVA是方差分析，看你的数据是不是适合进行回归分析的。结果看F值后面一列，达到了0.05或0.01的显著水平（比这两个值小），就可以进行回归分析。你的数据显示可以进行回归分析。
    下面的Intercept（截距）以及四个自变量就是进入回归后的显著性，都看那个P值，和上面ANOVA的方法一样。你这里应该是采用了强制进入法进行回归分析了，结果显示，截距是显著的，x2很显著，x4在0.05的水平上显著，x1和x3是不显著的，也就是说后面这两个变量不能进入回归方程。
    然后，你还需要再进行一步分析，就是把x1和x3两个自变量剔除出去，只用x2和x4进行回归分析，再看调整R2的大小！
    这样说可以吗？