线性回归检验方式主要有以下几种：
1.拟合优度检验（R方检验）：通过计算决定系数（R方）来评估模型对数据的拟合程度。R方越接近1，说明模型拟合效果越好；越接近0，说明模型拟合效果越差。
2.F检验：用于检验回归方程的显著性。F统计量表示回归方程中所有自变量对因变量的影响是否显著。如果F值大于临界值，则认为回归方程是显著的；反之，则认为回归方程不显著。
3.t检验：用于检验回归系数的显著性。t统计量表示单个自变量对因变量的影响是否显著。如果t值大于临界值，则认为该自变量对因变量的影响是显著的；反之，则认为该自变量对因变量的影响不显著。
4.残差分析：通过观察残差图和计算残差平方和来评估模型的拟合效果。理想的残差图应该是水平的，且残差平方和较小。如果残差图中存在明显的弯曲或倾斜，或者残差平方和较大，则说明模型可能存在问题。
5.D-W检验：用于检验回归模型是否存在一阶自相关。D-W统计量越接近2，说明模型不存在一阶自相关；越接近0或4，说明模型存在一阶自相关。
6.ADF检验：用于检验回归模型是否存在高阶自相关。ADF统计量越小，说明模型存在高阶自相关的可能性越大；反之，则说明模型存在高阶自相关的可能性越小。
7.VIF检验：用于检验多重共线性问题。VIF值越大，说明多重共线性问题越严重；反之，则说明多重共线性问题越轻。通常认为VIF值小于10时，多重共线性问题不明显；大于10时，需要关注多重共线性问题。