正确答案是A: 两组间关于因变量的差异。

### 专业分析
当一个二分类自变量被编码为0和1时，它在回归模型中的系数表示了两个组之间在因变量上的差异。具体来说：

- **回归分析背景**：
- 考虑一个简单的线性回归模型：\[ Y = \beta_0 + \beta_1 X + \epsilon \]
- 这里，\( X \) 是二分类自变量，编码为0或1。

- **系数的意义**：
- **\(\beta_0\)**：表示当自变量 \( X = 0 \) 时，因变量 \( Y \) 的预期值。
- **\(\beta_1\)**：表示当自变量 \( X \) 从0变化到1时，因变量 \( Y \) 的平均变化，即两个组之间因变量 \( Y \) 的差异。

因此，\(\beta_1\) 度量的是当自变量变为1（相对于0）时，因变量的平均变化，这也就是两个组因变量均值的差异。

### 示例
假设我们在研究药物对血压的影响，药物变量用0（未用药）和1（用药）进行编码。那么此变量的系数（\( \beta_1 \)）就是用药组与未用药组在血压上的平均差异。

这个分析框架广泛应用于实验和观察性研究中，用于评估二分类变量对结果的影响。