要了解这些值的含义，前提是对正态分布和回归分析，假设检验等有一定的了解。如果不能理解以下回答，建议再查阅有关概率统计教程。
回归分析用于确定两种或两种以上变数间相互依赖的定量关系，可以分一元回归分析和多元回归分析。你也可以理解成一元和多元方程。按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析，即一阶方程或者其他方程。
残差就是在回归分析中，测定值与按回归方程预测的值之差。这里可以理解成拟合方程的误差，绝大多数情况下的方程都只是近似。根据近似的精确度不同，或者说可信度不同，提出了p-value的概念。
从你给出的数据情况来看，应该是在做两元一次线形回归分析，貌似数据时自己随意输入的，并非实际观测数据。
先说第一个表格：回归统计参数
Multiple R 是线性回归的相关系数 ，相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度。计算公式：协方差/[根号D（X）*根号D（Y）] ，其中协方差COV（X，Y）=E([X-E(X)][Y-E(Y)])
R Square 是拟合系数，英文叫Coefficient of determination，也叫方程的确定性系数，指模型拟合的精确度，越接近1，拟合程度越高，计算公式是R squared=1-SSE/SST。这里的SSE是统计参数计算的是拟合数据和原始数据对应点的误差的平方和，也就是上面方程e的平方和。总偏差平方和SST= SSb + SSw，即组内和组间偏差都计算在内。
Adjusted R Square 调整后的拟合系数。根据样本数量和自由度调整后的样本R-Square考虑了自变量(独立变量)数目的影响。
后面就不一一的打字了，把你关注的回答下：
intecept 表示截距，也就是回归直线和y轴交点的纵坐标。
两个X的 Coefficients 可以理解为线性方程 y=ax1+bx2+c+e的a和b
温馨提示：答案为网友推荐，仅供参考