本題考查多元線性回歸模型中殘差平方和概念。殘差平方和是指被解釋變量觀測值總變差中未被列入模型的解釋變量，因此本題選D。

殘差平方和（Sum of Squared Residuals, SSR）是指被解釋變量觀測值與估計(jì)值之間差異的平方和。具體來說，它是衡量回歸模型中實(shí)際觀察值與模型預(yù)測值之間的差異程度的一個指標(biāo)。殘差平方和越小，表示模型的擬合效果越好。

在選項(xiàng)中，正確答案是：

D: 被解釋變量觀測值總變差中未被列入模型的解釋變量

專業(yè)分析：
- 選項(xiàng)A描述的是被解釋變量觀測值與估計(jì)值之間的占比，這并不是殘差平方和的定義。
- 選項(xiàng)B描述的是被解釋變量回歸估計(jì)值總變差的大小，這實(shí)際上指的是回歸平方和（Regression Sum of Squares, RSS），而不是殘差平方和。
- 選項(xiàng)C描述的是被解釋變量觀測值總變差的大小，這實(shí)際上指的是總平方和（Total Sum of Squares, TSS）。
- 選項(xiàng)D描述的是被解釋變量觀測值總變差中未被列入模型的解釋變量，這正是殘差平方和的定義，即模型未能解釋的部分。

因此，殘差平方和反映了模型無法解釋的變差部分。