這個斜率值等於回歸自變數X的係數，所以你看到的是針對模型係數做統計檢定 (公式我就不提了要牽扯到信賴區間跟統計偏量)
白話說法是估算出來的回歸係數是否是真的可以有用(實際在做的事情是“檢定H0:係數=0")，p值如果小於0.05則是拒絕H0，代表回歸係數不等於0，統計上此係數在此線性模型是有意義的，以論文來說這個自變數X針對依變數Y，是有線性關係存在的。
因為一般自資料X如果很分散跟依變數一點關係都沒有，推估模型還是可以硬算出所有自變數(X，可能有很多個自變數)跟依變數Y之間的線性關係(係數)，但這些自變數在推估回歸模型上是完全沒有屁用的，在文章會把完全沒屁用的變數找出來(檢定)。

整體來說，回歸模型有幾個檢定必須做

第一個是殘差檢定:看推估模型在訓練資料的殘差是否服從常態分佈，且希望誤差的平均越接近0跟變異量可以很小，表示整體預測模型越好。

第二個模型適合度檢定: 此檢定主要用於判斷在迴歸模型下，依變數

是否隨著自變數改變，亦即此迴歸模型是否具有解釋能力，簡單說檢定H0:b1=b2=…=bk=0(假設有k個自變數X1,X2…,Xk)，只要H0“不”被拒絕，則代表有一個係數可能是0，這時候就要做你提的問題，每一個自係數的虛無檢定(H0:b1=0, H0:b2=0,…,H0:bk=0)。

第三個判定係數計算:主要是看整體模型的解釋力，也就是推估出來的模型做預測的結果分佈跟實際依變數的統計分佈是否一致，一般用R^2表示(0<=R^2<=1)，約所以R^2越大代表模型解釋力越好。

希望這些回答有幫助到你。