在线性回归模型中，判定系数（R²）是一个用于衡量模型对数据拟合程度的统计指标。R²的值范围是0到1，值越大表示模型对数据的拟合程度越好。让我们逐项分析给出的选项：

A. **估计标准误差越小**：
- 判定系数增大通常意味着数据的变异性被模型解释得更好，但这并不直接意味着估计标准误差必定减小。估计标准误差还受到样本量、数据的分布以及其他因素的影响。因此，这个选项不一定是正确的。

B. **拟合的越好**：
- 判定系数越大，通常表示模型对数据的拟合越好，因为解释了更多的方差。

C. **数据点到线性回归方程距离越小**：
- 判定系数越大，表明数据点到回归直线的距离（残差）通常较小，因为模型能够解释更多的变异。

D. **多重共线性越严重**：
- 多重共线性指的是自变量之间存在高度相关性，这会影响模型的稳定性和系数的解释性，与判定系数没有直接的因果关系。多重共线性并不能通过判定系数的大小来判断。

因此，错误的说法是 **D: 多重共线性越严重**。判定系数的大小与多重共线性没有直接关系。多重共线性是指自变量之间的相关，而判定系数是评估模型对因变量的解释能力。