正确答案是D: 被解释变量观测值总变差中未被列入模型解释的部分。

专业分析：
残差平方和（Residual Sum of Squares, RSS）是回归分析中的一个重要概念。它表示的是被解释变量（因变量）的观测值与回归模型估计值之间的差异的平方和。具体来说，残差平方和衡量了模型未能解释的变异部分。因此，残差平方和越小，意味着模型对数据的拟合程度越好。

从选项来看：
- A选项描述的是被解释变量观测值与估计值之间的占比，这并不是残差平方和的定义。
- B选项描述的是被解释变量回归估计值总变差的大小，这通常指的是回归平方和（Regression Sum of Squares, SSR），而不是残差平方和。
- C选项描述的是被解释变量观测值总变差的大小，这通常指的是总平方和（Total Sum of Squares, TSS）。
- D选项描述的是被解释变量观测值总变差中未被列入模型解释的部分，这正是残差平方和的定义。

因此，D选项正确地描述了残差平方和的含义。