回归方程的检验是检验线性方程是否成立，原假设为所有线性系数均为0，即 Ho：β1=β2=β3=...=βn=0，使用的统计量为F检验。

在线性回归分析中，回归方程的检验通常使用F检验。

（1）正确答案是：C: F检验

### 专业分析：
在线性回归分析中，回归方程的检验主要是检验模型的整体显著性，即判断所有自变量对因变量是否具有显著的解释力。这通常通过F检验来完成。

#### F检验的步骤和原理：
1. **建立假设**：
- **原假设（H0）**：所有自变量的系数都等于零，即模型没有解释力。
- **备择假设（H1）**：至少有一个自变量的系数不等于零，即模型具有解释力。

2. **计算F统计量**：
F统计量的计算公式为：
\[
F = \frac{(SSR / p)}{(SSE / (n - p - 1))}
\]
其中，SSR是回归平方和，SSE是误差平方和，p是自变量的个数，n是样本量。

3. **查找临界值**：
根据给定的显著性水平（通常是0.05）和自由度（p和n-p-1），查找F分布表中的临界值。

4. **作出决策**：
- 如果计算得到的F统计量大于临界值，则拒绝原假设，认为回归模型是显著的。
- 如果计算得到的F统计量小于或等于临界值，则不拒绝原假设，认为回归模型不显著。

通过F检验，可以判断整个回归模型是否有意义，从而为后续的模型优化和变量选择提供依据。

### 其他选项的解释：
- **A: t检验**：主要用于检验单个回归系数是否显著。
- **B: 卡方检验**：主要用于分类数据的独立性检验，不适用于线性回归模型的显著性检验。
- **D: 正态检验**：主要用于检验数据是否符合正态分布，不适用于回归方程的显著性检验。

因此，回归方程的整体显著性检验应选择F检验。