只有最小二乘法，另外三种说法错误

正确答案是：A: 最小二乘法

专业分析：

在回归分析中，最常用的估计方法是最小二乘法（Ordinary Least Squares, OLS）。最小二乘法的基本思想是通过最小化观测值与回归模型预测值之间的误差平方和来找到回归系数的估计值。具体来说，假设我们有一个线性回归模型：

\[ y = \beta_0 + \beta_1 x_1 + \beta_2 x_2 + \ldots + \beta_k x_k + \epsilon \]

其中，\( y \) 是因变量，\( x_1, x_2, \ldots, x_k \) 是自变量，\( \beta_0, \beta_1, \ldots, \beta_k \) 是回归系数，\( \epsilon \) 是误差项。

最小二乘法通过以下步骤来估计回归系数：

1. 计算预测值与实际值之间的残差（误差）。
2. 将所有残差的平方和作为目标函数。
3. 找到使目标函数最小化的回归系数。

数学上，这个过程可以表示为：

\[ \min_{\beta} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2 \]

其中，\( y_i \) 是第 \( i \) 个观测值，\( \hat{y}_i \) 是模型预测的第 \( i \) 个值。

最小二乘法的优点包括其简单性和良好的统计性质，例如无偏性和一致性。在许多实际应用中，最小二乘法是回归分析的标准方法。

其他选项的解释：

B: 最大二乘法 - 这个选项不存在，是错误的。
C: 一致估计法 - 一致估计是统计学中的一个概念，指的是估计量在样本量趋于无穷大时收敛于真值，但它不是一种特定的估计方法。
D: 有效估计法 - 有效估计是指在所有无偏估计量中方差最小的估计量，但它也不是一种特定的估计方法。

因此，最小二乘法是回归分析中回归系数的主要估计方法。