在评估回归方程的优劣时，我们需要考虑多个统计量。现在，我们逐一分析题目中给出的选项： A. **判定系数（$R^2$）**： 判定系数，也称为决定系数或拟合优度，用于量化模型对数据的拟合程度。其值介于0和1之间，越接近1表示模型拟合得越好。判定系数能够直观地反映回归方程对数据集的整体解释能力。 B. **回归系数**： 回归系数表示自变量对因变量的影响程度。虽然它们是回归方程的重要组成部分，但单个回归系数并不能全面反映回归方程的优劣。 C. **相关系数**： 相关系数用于衡量两个变量之间的线性关系强度和方向。在回归分析中，它通常用于评估自变量和因变量之间的线性相关性。然而，相关系数也不能单独用来评估回归方程的优劣，因为它只考虑了变量之间的相关性，而没有考虑模型的拟合程度。 D. **估计标准误差**： 估计标准误差用于衡量回归方程中预测值与实际值之间的差异。较小的估计标准误差表示模型的预测更为准确。然而，它更多地反映了模型预测的精确性，而不是模型对数据集的整体解释能力。 综上所述，虽然这些统计量在回归分析中都有其重要性，但能够最直观地反映回归方程对数据集整体解释能力的统计量是判定系数（$R^2$）。因此，正确答案是A. 判定系数。
