正确答案是C: 最小二乘法。

**专业分析：**

线性回归是一种统计方法，用于研究因变量与一个或多个自变量之间的线性关系。在进行线性回归系数估计时，最常用的方法是最小二乘法（Ordinary Least Squares, OLS）。

**最小二乘法（OLS）**：
- **原理**：最小二乘法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估计回归系数。具体来说，它找到一组回归系数，使得所有观测值的预测误差的平方和最小。
- **优点**：最小二乘法具有计算简单、直观易理解等优点。它在假设误差项独立同分布且方差相等的条件下，具有良好的统计性质，如无偏性和一致性。

**其他选项**：
- **加权最小二乘法（A）**：用于处理异方差问题，即误差项的方差不相等的情况。它通过对不同观测值赋予不同的权重，使得加权后的误差平方和最小。
- **主成分估计法（B）**：用于处理多重共线性问题，即自变量之间存在高度相关性的情况。它通过主成分分析减少自变量的维数，从而降低共线性对回归估计的影响。
- **最小角度法（D）**：是一种用于高维数据的回归方法，特别是在变量选择问题中。它通过逐步引入变量，找到最佳的回归模型。

综上所述，虽然在特定情况下可以采用其他方法，但在一般情况下，最常用且最基本的线性回归系数估计方法是最小二乘法（C）。