当进行多元回归分析时，我们通常使用调整后的R方来评估模型的拟合程度。调整后的R方是对R方的修正，它考虑了自变量的数量和样本量对R方的影响。然而，当调整后的R方为负数时，这表示模型的表现非常糟糕，预测能力比随机猜测还要差。

在面对此问题时，我们可以考虑以下几个方面：

1. 检查数据

首先，我们需要仔细检查使用的数据集是否正确，包括观察值的数量、变量是否正确编码、缺失值如何处理等。如果数据不完整或存在明显的误差，则可能导致模型拟合不良。

2. 检查模型假设

其次，我们需要检查模型假设是否得到满足。多元回归分析有几个基本前提条件：线性性、正态性、同方差性和无多重共线性。如果这些假设没有得到满足，就会产生伪回归、异方差以及模型不稳定等问题，导致结果不可靠。

3. 调整模型

如果数据和模型假设都是正确的，那么我们需要重新检查模型的构建过程。一种可能性是我们将不恰当的变量纳入了模型中。另一种可能性是我们没有正确地转换数据或使用正确的函数形式来拟合数据。在这种情况下，我们需要重新构建模型并进行更准确的变量选择。

4. 扩大样本量

如果调整后的R方依然是负数，我们可以尝试增加样本量。由于多元回归需要对多个自变量进行回归，因此样本量越大，容易产生更精确的估计和更可靠的结果，减少了误差的影响。

总之，当调整后的R方为负数时，我们需要认真检查数据、模型和假设，并采取适当的措施，以提高模型的预测能力和可解释性。