在多元线性回归中，t检验用于检验每个回归系数是否显著。其原假设通常是指对应单个回归系数在总体中是否等于零。这是在分析中非常重要的一步，用来判断一个特定的自变量对因变量是否具有显著影响。

- **正确答案**：A: 对应单个回归系数等于0

### 专业分析

1. **原假设 (H0)**:
- 在t检验中，原假设是每个回归系数 \(\beta_i = 0\)。这意味着自变量 \(X_i\) 对因变量 \(Y\) 没有影响，即在模型中可以删除这个变量而不影响模型拟合的优度。

2. **备择假设 (H1)**:
- 备择假设是 \(\beta_i \neq 0\)，这表明自变量 \(X_i\) 对因变量 \(Y\) 有显著影响。

3. **t检验统计量**:
- 计算每个系数的t值，并与t分布的临界值比较。t值计算方式如下：
\[
t = \frac{\hat{\beta_i} - 0}{SE(\hat{\beta_i})}
\]
这里，\(\hat{\beta_i}\) 是估计的回归系数，\(SE(\hat{\beta_i})\) 是其标准误。

4. **决策标准**:
- 如果计算出的t值的绝对值大于临界值（通常基于选择的显著性水平，如0.05），则拒绝原假设，认为 \(\beta_i\) 显著不为零。

5. **结果解读**:
- 如果拒绝原假设，则说明对应的自变量在模型中是有意义的，它对因变量有显著影响。
- 如果不能拒绝原假设，通常表示该自变量对模型没有显著贡献。

通过上述分析，可以清楚地理解t检验中的原假设在多元线性回归分析中的作用和重要性。