回归系数的检验是检验线性方程中某个系数是否为零，看对应自变量对因变量的 解释力度强不强。对所有系数都单独做这样的检验。对任意参数βi(i=1,...,n) 有原假设 Ho:βi=0，使用的统计量为t检验。

正确答案是A: t检验。

在线性回归分析中，回归系数的检验通常使用t检验。具体分析如下：

1. **目的**：t检验用于检验每个回归系数是否显著不同于零。这意味着我们想知道每个自变量对因变量是否有显著的影响。

2. **计算**：t值的计算公式为：
\[
t = \frac{\hat{\beta}_i}{SE(\hat{\beta}_i)}
\]
其中，\(\hat{\beta}_i\) 是估计的回归系数，\(SE(\hat{\beta}_i)\) 是该系数的标准误。

3. **假设检验**：
- **原假设（H0）**：回归系数等于零（即自变量对因变量没有显著影响）。
- **备择假设（H1）**：回归系数不等于零（即自变量对因变量有显著影响）。

4. **p值**：通过计算t值并查找t分布表，可以得到p值。如果p值小于预设的显著性水平（如0.05），则拒绝原假设，认为该回归系数显著。

5. **解释**：如果t检验结果表明某个回归系数显著不同于零，则说明该自变量对因变量有显著影响；否则，认为该自变量对因变量的影响不显著。

其他选项的解释：
- **B: 卡方检验**：主要用于分类数据的独立性检验，不适用于回归系数的检验。
- **C: F检验**：通常用于整体回归模型的显著性检验，而不是单个回归系数的检验。
- **D: 正态检验**：用于检验数据是否符合正态分布，不适用于回归系数的显著性检验。

综上所述，在线性回归分析中，回归系数的检验使用t检验。