在卫生统计学中，检验回归系数的显著性是一个非常重要的步骤，它帮助我们判断某个自变量对因变量的影响是否具有统计学意义。通常，我们会通过假设检验的方法来实现这一目的。

首先，需要明确的是，在进行回归分析时，每个自变量都会得到一个对应的回归系数（也称为斜率），这个系数表示当其他所有变量保持不变的情况下，该自变量每增加一个单位，因变量平均变化的量。为了判断这个回归系数是否显著地不等于零，即该自变量对因变量确实有影响，我们需要进行假设检验。
1. 建立假设：通常情况下，我们会设立两个假设，一个是原假设（H0），另一个是备择假设（Ha）。对于每个回归系数βi来说，原假设通常是“βi = 0”，意味着这个自变量与因变量之间没有线性关系；而备择假设则是“βi ≠ 0”，表示存在线性关系。
2. 选择检验统计量：在大多数情况下，我们会使用t检验来评估回归系数的显著性。t值是通过将估计的回归系数除以其标准误得到的，即 t = βi / SE(βi)，其中SE(βi)代表βi的标准误差。
3. 确定临界值和P值：根据选定的显著性水平α（常用0.05或0.01），可以从t分布表中查找到相应的临界值。同时，也可以计算出实际观测到的数据与原假设下预期数据之间的差异的概率，即P值。
4. 做出决策：如果计算得到的t值大于临界值或者P值小于显著性水平α，则拒绝原假设，认为该自变量对因变量的影响是统计学上显著的；反之，则接受原假设，认为没有足够的证据支持该自变量与因变量之间存在线性关系。

通过上述步骤，我们可以科学合理地评估每个回归系数是否具有统计学意义，从而更好地理解各个因素在研究问题中的作用。