在多元线性回归中，F检验用于检验模型的整体显著性。具体来说，F检验的原假设（H0）是：所有回归系数同时等于零。这意味着在假设成立的情况下，解释变量对因变量没有线性关系。

因此，正确答案是：
**A: 所有回归系数都等于0**

### 专业分析：

- **原假设（H0）**：
\[
H_0: \beta_1 = \beta_2 = \cdots = \beta_k = 0
\]
这里，\(\beta_1, \beta_2, \ldots, \beta_k\) 是模型中的回归系数。原假设认为，所有自变量对因变量的影响都不显著。

- **备择假设（H1）**：
\[
H_1: \text{至少一个} \ \beta_i \neq 0
\]
备择假设表明，至少有一个自变量对因变量有显著影响。

- **F统计量计算**：
F统计量用于比较模型中解释变量的联合效应与模型误差，通过以下公式计算：
\[
F = \frac{\text{回归均方}}{\text{残差均方}} = \frac{(SSR/k)}{(SSE/(n-k-1))}
\]
其中，SSR是回归平方和，SSE是误差平方和，\(k\)是自变量的个数，\(n\)是样本量。

- **决策规则**：
- 如果计算出的F值大于临界值，则拒绝原假设，认为至少有一个回归系数是显著的。
- 否则，不拒绝原假设，认为解释变量可能对因变量没有显著的线性影响。

通过F检验，我们可以判断多元线性回归模型的整体有效性，即检验自变量集合是否对因变量具有统计显著性。