大家看看这个结果

就我所学解释一下：你的例子其实是为了说明多元回归模型（X1,X2）的建模及软件求解步骤，只是后来根据数据建立多元模型得到X2不显著（即可能没有必要设立X2这个变量）。我们知道H0是X2=0，UI
所以你不妨做Y只对X1的回归

不能这么理解的，多元说明是多个自变量，从构建模型的角度来讲，总是先确认模型再检验模型的，没检验之前谁又能肯定变量的系数是显著和不显著的呀。而且，系数是从样本的角度通过现有数据来计算得出的，而显著性检验是一个推断总体的过程。比如你的结果中常数项是158.5398，那至少说明通过现有数据计算的截距项是非零的，接下来的检验P值大于0.05，是说明如果把现有样本扩大到整个总体的话，那截距项有可能是零。毕竟在多元回归中系数也是服从正态分布的随机变量，显著性检验只能说明系数的期望平均值，不显著即意味着关于总体的模型中该系数的期望平均值为零。简而言之，显著性检验是一个推断统计的过程，是一个关于总体情况的一个推测。

两变量，当然是多元线性回归，别以为它不显著就鄙视它

说实话，楼主，我看了这本书，但不知道你这个案例出自哪里？
个人观点：
常数项的显著性不用去管它；
X2的P值为 0.3838，在显著性水平为5%即使是10%也不拒绝H0.
但你注意一个问题没有？就是F值的P值为0.000007，因此，X1和X2对被解释变量的解释作用是很强的。另外，可决系数也比较高。
我判断是不是有共线性的问题。
这个案例是不是用来说明共线性的问题的。请楼主注意一下。