在逻辑回归模型中，常用的统计量用于检验模型的拟合效果和变量的显著性。我们来分析选项：

A. **WALD统计量**：
- 用于检验单个自变量的系数是否为零，即是否具有统计显著性。WALD统计量不适用于检验整个模型所有变量的整体解释力。

B. **F统计量**：
- 通常用于线性回归模型中，用于检验回归模型中所有自变量的系数是否同时为零（即整体模型显著性）。但是，F统计量通常不用于逻辑回归模型。

C. **似然比统计量**：
- 主要用于逻辑回归和广义线性模型中，评估模型的拟合优度。通过比较嵌套模型（完整模型与简化模型），来判断是否增加了自变量能够显著提高模型的拟合效果。

D. **评分统计量（Score test）**：
- 也是用于逻辑回归的一个方法，可以用来检验模型中的参数是否显著。它和似然比统计量的结论通常是一致的。

综上所述，**B: F统计量** 是不适用于检验逻辑回归模型的整体变量解释力度的指标。逻辑回归模型通常使用似然比统计量来检验整个模型的拟合优度，而不是F统计量。