此為殘差平方和的定義

正確答案是：D: 被解釋變量觀測(cè)值總變差中未被列入模型解釋的部分。

專業(yè)分析：
殘差平方和（Residual Sum of Squares, RSS）是回歸分析中的一個(gè)重要概念。它表示的是回歸模型中未能解釋的變異部分。具體來(lái)說(shuō)，殘差平方和是被解釋變量（因變量）觀測(cè)值與其回歸估計(jì)值之間差異的平方和。這個(gè)值越小，說(shuō)明模型對(duì)數(shù)據(jù)的擬合越好；反之，殘差平方和越大，說(shuō)明模型對(duì)數(shù)據(jù)的擬合越差。

公式上，殘差平方和可以表示為：
\[ RSS = \sum_{i=1}^{n} (y_i - \hat{y}_i)^2 \]
其中，\( y_i \) 是第 \( i \) 個(gè)觀測(cè)值，\( \hat{y}_i \) 是第 \( i \) 個(gè)觀測(cè)值對(duì)應(yīng)的回歸估計(jì)值，\( n \) 是觀測(cè)值的總數(shù)。

因此，殘差平方和反映了被解釋變量觀測(cè)值總變差中未被模型解釋的部分。選項(xiàng)D準(zhǔn)確地描述了這一點(diǎn)。