在回归分析中，同归系数的估计方法的标准答案是：

**A: 最小二乘法**

### 专业分析：

1. **最小二乘法（OLS, Ordinary Least Squares）**：
- **原理**：最小二乘法通过最小化样本数据中实际观测值与估计值之间的平方和差异来估计回归系数。其目标是找到一组参数，使得预测值与观测值之间的误差平方和最小。
- **应用**：最常用于线性回归模型的参数估计，因为它简单且运算效率高。
- **优点**：如果模型假设（如线性关系、误差项正态分布等）成立，OLS能提供无偏且最小方差的线性估计。

2. **其他选项分析**：
- **B: 最大二乘法**：没有这个方法。此选项是虚构的，回归分析中不存在称为“最大二乘法”的估计方法。
- **C: 一致估计法**：一致估计法指估计量在样本量趋于无穷大时收敛于真实参数值的性质，但不是具体的估计方法。
- **D: 有效估计法**：指的是估计量具备某种统计效率的性质，但这不是具体的估计方法名称。

### 结论：
最小二乘法是回归分析中用于估计同归系数的标准方法，因其在满足一定假设条件时能提供最佳线性无偏估计（BLUE）。