由回归统计表可以得到以下几个部分。 1.Multiple R（复相关系数R）：是R2的平方根，又称为相关系数，是用来衡量x和y之间相关程度的大小。这里的R=0.99791496，表示了他们之间是正相关的关系。
2.R Square（复测定系数R2）：用来说明自变量解释因变量变差的程度，以测定因变量y的拟合度。这里的R2=0.995834268，表现了自变量与因变量之间的拟合效果很好。复相关系数作为一个检验总的回归效果的一个指标，在这里说明了数据之间的拟合度很好，回归效果也很好。 3.Adjusted R Square（调整复测定系数R2）：用于加入独立变量后模型的拟合程度，这里的调整复测定系数为0.990279958，说明该多元回归中，加入独立变量后，模型的拟合度很好。
4.标准误差：是用来衡量拟合程度的大小的，标准误差越小说明拟合程度约好，这里的标准误为4.20449866，说明模型的拟合程度很好。
5.观测值：这里的观测值为8，说明用来估计回归方程的数据的观测值为8个。
以上为方差分析表，其主要重用是通过F检验来判断回归模型的回归效果。“回归分析”行计算的是估计值同均值之差的各项指标；“残差”行是用于计算每个样本观测值与估计值之差的各项指标；“总计”行用于计算每个值同均值之差的各项指标。由方差分析表可知：
Df是自由度，这里的回归分析的自由度为4，残差的自由度为3。回归分析的离差平方和为12677.84455，残差的离差平方和为53.03342694；回归分析的均方差（即离差平方和除以自由度）为3169.461138，残差的均方差为17.67780898；F统计量为179.2903827，Significance F是在显著性水平下F的临界值，其为0.000670487。
以上为回归参数表，其主要用于回归方程的描述和回归参数的推断。其中第一列分别为?0（截距）和?1，?2，?3，?4（斜率）的各项指标。得到如下的回归方程（所有取值保留两位小数）：
y??46.02?3.07x1?18.06x2?62.11x3?120.78x4
3.2 SPSS多元回归分析 3.2.1相关分析
（1）对y与各个变量作出散点图
淘宝注册人数x1与y的相关性散点图：
网络普及度与淘宝网交易总额的相关性检验：
我国居民消费水平与淘宝交易的相关性检验：
我国人均收入与淘宝交易的相关性检验：
由以上四个散点图可知，其所有的点均落在了左上至右下的一条直线上，表明了数据之间存在完全正相关关系。所以我们还需要对数据进行进一步的分析，得到确切的答案。
（2）计算相关系数
用SPSS对数据进行相关性分析，得到如下的相关系数图
解析：图中有带“**”号的结果表明有关的两变量在0.01的显著性水平下显著相关，由上图可知，y与x1的相关系数为0.992>0，表示呈一定的线性关系，相关系数检验对应的概率P值为0.000，小于显著性水平0.05，说明淘宝交易额与淘宝注册人数之间相关性显著。y与x2的相关系数为0.901>0，表示呈一定的线性关系，相关系数检验对应的概率P值为0.002，小于显著性水平0.05，说明淘宝交易额与我国网络普及度之间相关性显著。y与x3的相关系数为0.965>0，表示呈一定的线性关系，相关系数检验对应的概率P值为0.000，小于显著性水平0.05，说明淘宝交易额与居民消费水平之间相关性显著。y与x4的相关系数为0.958>0，表示呈一定的线性关系，相关系数检验对应的概率P值为0.000，小于显著性水平0.05，说明淘宝交易额与我国人均纯收入之间相关性显著。 3.2.2回归分析
解析：复相关系数为0.998，判定系数为0.996，调整系数为0.991，估计值的标准误差为2.115 。