Also erstmal würde ich ein Streudiagramm erstellen, damit man einen Überblick über die genaue Datenverteilung hat. Es können nämlich mehrere Ursachen in Frage kommen:
1.) Multikollinearität:
Es ist vorstellbar, dass Bildung und Einkommen gemeinsam hoch korreliert sind. Daher würde ich empfehlen, die Kollinearität mittels der Toleranz und VIF-Werte, oder einer Kollinearitätsmatrix zu überprüfen. Ich glaube es macht nicht soviel Sinn, die beiden Variablen in einem multiplen Modell aufzunehmen.
2.) Ausreißer:
Es ist gut möglich, dass einzelne Ausreißer dein Ergebnis verzerren, daher der positive Wert bei Einkommen. Schau dir doch mal mit Boxplot oder Streudiagramm die Variablen an. Es kann auch gut sein, dass du missing values hast, die dein Schätzergebnis verzerren.
Ich würde die Einkommen auch entweder recodieren oder den Logarithmus angeben, sonst sieht man ja nichts vom Standartfehler. Warum r² so niedrig ist, verstehe ich gerade auch nicht.