SPSS 多元线性回归结果中，结果表格列出了自变量的显著性检验结果，结果输出表格中列出了回归模型的偏回归系数（B）及其标准误（Std.Error），标准化偏回归系数（Beta），回归系数检验的t统计量及其P值（Sig.）。
系数模型下的1表示模型的序号。
1、T表示使用单样本T检验的T值。
2、sig表示T检验的显著性检验P值，小于0.05的则说明自变量对因变量具有显著影响。
3、B表示各个自变量在回归方程中的偏回归系数，负值表示自变量对因变量有显著的负向影响。
扩展资料：
由于每个自变量的量纲和取值范围不同，基于偏回归系数B并不能反映各个自变量对因变量影响程度的大小。标准化偏回归系数其意义在于通过对偏回归系数进行标准化，从而可以比较不同自变量对因变量的作用大小。标准化偏回归系数数值越大表示对自变量的影响更大。
参考资料：
多元线性回归中sig是什么意思？
Sig值，也称P值，或者显著性值。一般情况下该值小于0.05说明具有影响或者差异等，建议以每个方法为准。举个例子来说明：
从上表可知，利用相关分析去研究work1和work2, ee1, ee2, ee3, dp1, dp2共6项之间的相关关系，使用Pearson相关系数去表示相关关系的强弱情况。具体分析可知：
work1与work2, ee1, ee2, ee3, dp1, dp2共6项之间全部均呈现出显著性，相关系数值分别是0.505, 0.553, 0.483, 0.495, 0.283, 0.234，并且相关系数值均大于0，意味着work1与work2, ee1, ee2, ee3, dp1, dp2共6项之间有着正相关关系。
结果如下：
从上表可知，将ee3,work1,work2,ee2作为自变量，而将ee1作为因变量进行线性回归分析，从上表可以看出，模型公式为：ee1=0.462 + 0.140*ee3 + 0.192*work1 + 0.019*work2 + 0.647*ee2，模型R方值为0.714，意味着ee3,work1,work2,ee2可以解释ee1的71.4%变化原因。对模型进行F检验时发现模型通过F检验(F=891.424，p=0.000<0.05)，也即说明ee3,work1,work2,ee2中至少一项会对ee1产生影响关系，另外，针对模型的多重共线性进行检验发现，模型中VIF值全部均小于5，意味着不存在着共线性问题。