本题考查多元线性回归模型中残差平方和概念。残差平方和是指被解释变量观测值总变差中未被列入模型的解释变量，因此本题选D。

残差平方和（Sum of Squared Residuals, SSR）是指被解释变量观测值与估计值之间差异的平方和。具体来说，它是衡量回归模型中实际观察值与模型预测值之间的差异程度的一个指标。残差平方和越小，表示模型的拟合效果越好。

在选项中，正确答案是：

D: 被解释变量观测值总变差中未被列入模型的解释变量

专业分析：
- 选项A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。
- 选项B描述的是被解释变量回归估计值总变差的大小，这实际上指的是回归平方和（Regression Sum of Squares, RSS），而不是残差平方和。
- 选项C描述的是被解释变量观测值总变差的大小，这实际上指的是总平方和（Total Sum of Squares, TSS）。
- 选项D描述的是被解释变量观测值总变差中未被列入模型的解释变量，这正是残差平方和的定义，即模型未能解释的部分。

因此，残差平方和反映了模型无法解释的变差部分。