可由自由度的定义得到，详见《计量经济学导论》4.5节

在多元回归模型中，回归平方和（SSR）和残差平方和（SSE）的自由度是重要的统计概念。假设我们有一个包含 \( p \) 个自变量和 \( n \) 个样本的多元回归模型，模型形式为：

\[ y = X\beta + \epsilon \]

其中， \( X \) 是 \( n \times p \) 的设计矩阵， \( \beta \) 是 \( p \) 维的回归系数向量， \( \epsilon \) 是误差项。

首先，回归平方和（SSR）的自由度是与模型中估计的参数数量相关的。对于一个包含 \( p \) 个自变量的模型，回归平方和的自由度为 \( p-1 \)（因为我们还需要考虑截距项）。

其次，残差平方和（SSE）的自由度是总样本量减去估计参数的数量。由于我们估计了 \( p \) 个参数（包括截距项），所以残差平方和的自由度为 \( n - p \)。

根据以上分析，正确答案是：

A: p, n - p