只有最小二乘法，另外三种说法错误。

在回归分析中，回归系数的估计方法主要是通过最小二乘法（Ordinary Least Squares, OLS）来实现的。因此，正确答案是A: 最小二乘法。

**专业分析：**

最小二乘法是回归分析中最常用的一种估计方法，其基本思想是通过最小化观测值与估计值之间的差平方和来求解回归系数。具体步骤如下：

1. **设定模型**：假设线性回归模型为 \( y = \beta_0 + \beta_1 x + \epsilon \)，其中 \( y \) 是因变量，\( x \) 是自变量，\( \beta_0 \) 和 \( \beta_1 \) 是回归系数，\( \epsilon \) 是误差项。

2. **构建目标函数**：最小二乘法的目标是最小化残差平方和，即 \( \sum_{i=1}^{n} (y_i - (\beta_0 + \beta_1 x_i))^2 \)。

3. **求解回归系数**：通过对目标函数求偏导数并令其为零，可以得到回归系数的估计值。具体公式为：
\[
\hat{\beta_1} = \frac{\sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y})}{\sum_{i=1}^{n} (x_i - \bar{x})^2}
\]
\[
\hat{\beta_0} = \bar{y} - \hat{\beta_1} \bar{x}
\]
其中，\( \bar{x} \) 和 \( \bar{y} \) 分别是自变量和因变量的均值。

最小二乘法的优点包括计算简便、易于理解和解释，并且在误差项满足一定条件（如独立同分布、均值为零、方差相等等）时，最小二乘估计具有无偏性和一致性。

综上所述，最小二乘法是回归系数估计的主要方法，因此正确答案是A: 最小二乘法。