多元回归模型中，回归方程的解释力度主要看R-squared。从图中左下角 的“模型基本信息表”中看出R-squared的值为0.913，故选A。

要判断多元回归模型中自变量对因变量的解释力度，我们通常通过决定系数 \( R^2 \) 来衡量。决定系数 \( R^2 \) 表示模型中自变量解释因变量的变异程度。具体来说，\( R^2 \) 的值在0到1之间，值越接近1，表示模型对因变量的解释力度越强。

根据你提供的信息，假设我们已经计算出了模型的 \( R^2 \) 值。为了选择正确答案，我们需要知道具体的 \( R^2 \) 值是多少。

假设在图表中已经明确标注了 \( R^2 \) 值，并且该值是0.913，那么自变量对因变量的解释力度就是91.3%。因此，正确答案是 A: 91.3%。

### 专业分析：
1. **决定系数 \( R^2 \)**：
- \( R^2 \) 是衡量模型拟合优度的一个标准。它表示自变量（解释变量）对因变量（被解释变量）变异的解释比例。
- \( R^2 \) = 0.913 表示模型中选取的自变量可以解释91.3%的因变量变异，这意味着模型对因变量的解释力度非常高。

2. **模型解释力度的意义**：
- 较高的 \( R^2 \) 值（例如91.3%）通常表示模型具有较强的解释能力，说明自变量和因变量之间的关系较为紧密。
- 但是，必须注意的是，较高的 \( R^2 \) 值并不一定意味着模型是最优的，还需要考虑其他因素如模型的复杂度、变量的多重共线性等。

3. **模型验证**：
- 除了 \( R^2 \) 之外，还应该使用其他统计指标如调整后的 \( R^2 \)、AIC（赤池信息准则）、BIC（贝叶斯信息准则）等来综合评估模型的效果。
- 交叉验证也是验证模型稳健性的重要方法。

综上所述，假如图表中明确标注了 \( R^2 \) 值为0.913，那么自变量对因变量的解释力度为91.3%，答案是A。