线性回归检验指标是用于评估线性回归模型拟合优度的统计量。常用的线性回归检验指标包括以下几个：
1.决定系数（R-squared）：表示模型解释的变异占总变异的比例，取值范围为0到1，越接近1表示模型拟合越好。
2.均方误差（MSE）：表示模型预测值与实际值之间的平均平方差，越小表示模型拟合越好。
3.均方根误差（RMSE）：是均方误差的平方根，同样越小表示模型拟合越好。
4.平均绝对误差（MAE）：表示模型预测值与实际值之间的平均绝对差，越小表示模型拟合越好。
5.F统计量：用于检验模型整体的显著性，即模型是否显著不同于零。F统计量的计算涉及到回归方程的残差、回归系数和自由度等因素。
6.t统计量：用于检验单个回归系数是否显著不等于零。t统计量的计算涉及到回归系数、标准误差和自由度等因素。
7.置信区间：用于估计回归系数的范围，通常以95%的置信水平来构建。置信区间越窄表示对回归系数的估计越精确。
8.P值：用于检验回归系数是否显著不等于零的概率。P值越小表示回归系数越显著。
以上是常用的线性回归检验指标，通过这些指标可以对线性回归模型进行评估和选择，从而得到更好的拟合结果。