做一元线性回归分析时，不需要检验A. 方程显著性B. 回归系数的显著性C. 自变量的多重共线性D. 残差的独立性正态性方差齐性

本题考查一元线性回归分析的检验内容。解题思路是明确一元线性回归分析的特点以及各项检验的适用情况，然后逐一分析每个选项。

• 选项A：方程显著性检验
  • 方程显著性检验是检验整个回归方程是否显著，即自变量 $x$ 与因变量 $y$ 之间是否存在显著的线性关系。
  • 在一元线性回归中，原假设 $H_0:\beta_1 = 0$（$\beta_1$ 为回归系数），通过 $F$ 检验来判断回归方程的显著性。如果 $F$ 检验的 $p$ 值小于给定的显著性水平 $\alpha$，则拒绝原假设，认为回归方程显著。所以在一元线性回归分析中需要进行方程显著性检验。
• 选项B：回归系数的显著性检验
  • 回归系数的显著性检验是检验回归系数是否显著不为零，也就是自变量 $x$ 对因变量 $y$ 的影响是否显著。
  • 同样在一元线性回归中，原假设 $H_0:\beta_1 = 0$，可以通过 $t$ 检验来进行判断。计算 $t$ 统计量 $t=\frac{\hat{\beta}_1 - 0}{S_{\hat{\beta}_1}}$（$\hat{\beta}_1$ 为回归系数的估计值，$S_{\hat{\beta}_1}$ 为回归系数估计值的标准误差），根据 $t$ 分布的临界值和 $p$ 值来判断是否拒绝原假设。所以在一元线性回归分析中需要进行回归系数的显著性检验。
• 选项C：自变量的多重共线性检验
  • 多重共线性是指在多元线性回归模型中，自变量之间存在高度的线性相关关系。
  • 而一元线性回归模型中只有一个自变量，不存在多个自变量之间的线性相关问题，所以不需要检验自变量的多重共线性。
• 选项D：残差的独立性、正态性、方差齐性检验
  • 残差分析是回归分析中的重要环节。残差的独立性保证了模型的误差项是相互独立的，符合回归模型的基本假设；残差的正态性有助于进行统计推断和假设检验；残差的方差齐性要求误差项的方差在不同的自变量取值下保持不变。
  • 可以通过绘制残差图、进行 $DW$ 检验（检验残差的自相关性，判断独立性）、 $Shapiro - Wilk$ 检验（检验残差的正态性）等方法来进行检验。所以在一元线性回归分析中需要进行残差的独立性、正态性、方差齐性检验。