A为总离差平方和，B为回归(解释)平方和，C为误差平方和，D为回归系数的解释。故C正确

正确答案是C: 因变量观测值与估计值之间的总变差。

专业分析：

在多元线性回归分析中，误差平方和（Sum of Squared Errors, SSE）是一个关键的统计量。它反映了因变量的观测值与回归模型估计值之间的总变差。具体来说，误差平方和是所有观测值与其对应的回归估计值之间差异的平方和。这个统计量用于衡量模型拟合的好坏，误差平方和越小，说明模型对数据的拟合越好。

为了更详细地理解，可以考虑以下公式：

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

其中，\( y_i \) 是第 \( i \) 个观测值，\( \hat{y}_i \) 是第 \( i \) 个观测值对应的回归估计值，\( n \) 是观测值的总数。

误差平方和是回归分析中用于评估模型性能的重要指标之一。通过最小化误差平方和，可以找到最适合数据的回归系数，从而提高模型的预测能力。