在多元线性回归分析中，ESS（回归平方和，Explained Sum of Squares）反映了因变量回归估计值总变差的大小。因此，正确答案是：**B: 因变量回归估计值总变差的大小**。

### 专业分析

在回归分析中，总变差可以分解为三部分：

1. **TSS（Total Sum of Squares，总平方和）**：
- 反映因变量观测值总变差的大小。
- 公式为：\[ \text{TSS} = \sum(y_i - \bar{y})^2 \]
- 描述的是观测值与其平均值之间的总变差。

2. **ESS（Explained Sum of Squares，回归平方和）**：
- 反映回归模型解释的变差部分。
- 公式为：\[ \text{ESS} = \sum(\hat{y}_i - \bar{y})^2 \]
- 描述的是模型预测值（估计值）与观测平均值之间的变差。

3. **RSS（Residual Sum of Squares，残差平方和）**：
- 反映因变量观测值与估计值之间的变差，即模型未解释的部分。
- 公式为：\[ \text{RSS} = \sum(y_i - \hat{y}_i)^2 \]
- 描述的是实际值与预测值之间的误差。

### 关系表达

- 这三者之间的关系用公式表示为：\[ \text{TSS} = \text{ESS} + \text{RSS} \]

通过对比 ESS 和 RSS，我们可以判断模型的优劣：ESS 越大，说明模型解释的变差部分越多，模型的拟合效果越好；而 RSS 越小，说明模型预测的偏差越小。

这种分析有助于理解回归模型的有效性以及模型对数据的解释能力。