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 H0: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。具体来说，t检验用于检验每个独立变量的回归系数是否显著不为零，以确定该变量是否对因变量有显著影响。t检验的步骤如下：

1. **假设检验**：
- 原假设（H0）：回归系数等于零（即该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（即该变量对因变量有显著影响）。

2. **计算t统计量**：
- t统计量的计算公式为 \( t = \frac{\hat{\beta_i}}{SE(\hat{\beta_i})} \)，其中 \(\hat{\beta_i}\) 是估计的回归系数，\(SE(\hat{\beta_i})\) 是回归系数的标准误。

3. **确定临界值**：
- 根据给定的显著性水平（通常为0.05）和自由度（样本量减去回归参数的个数），查找t分布表得到临界值。

4. **做出决策**：
- 如果计算得到的t统计量的绝对值大于临界值，则拒绝原假设，认为该回归系数显著不为零。
- 如果计算得到的t统计量的绝对值小于等于临界值，则不拒绝原假设，认为该回归系数不显著。

通过t检验，可以判断每个独立变量在模型中的重要性，从而帮助我们在模型优化和变量选择过程中做出决策。