BC只能用来分析数值型变量，分类变量用不了这两种方法。

分析分类变量之间的相关性通常适用以下方法：

A: **卡方检验**
卡方检验是一种常用的统计方法，用于检测两个分类变量之间的独立性。它通过比较观察到的频数和期望频数之间的差异来判断变量之间的关联性。因此，卡方检验是适合用于分析分类变量相关性的。

B: **t检验**
t检验主要用于比较两个样本均值之间的差异，通常适用于连续型数据，而不是分类数据。因此，t检验不适合用于分析分类变量之间的相关性。

C: **计算皮尔逊相关系数**
皮尔逊相关系数用于衡量两个连续变量之间的线性相关性。它假定数据是正态分布的且为连续数据。因此，它并不适合用于分析分类变量之间的相关性。

D: **计算列联相关系数（coefficient of contingency）**
列联相关系数是一种专门用于定量分析两个分类变量之间关联程度的统计量。它是基于卡方统计量衍生出来的，因此适合用于分析分类变量相关性。

### 正确答案：
- A: 卡方检验
- D: 计算列联相关系数

### 专业分析：
对于分析分类变量之间的关联性，选择统计方法时应考虑数据的性质。卡方检验和列联相关系数都是为分类数据设计的方法，能够有效揭示变量间的独立性或相关性程度。皮尔逊相关系数和t检验则适用于连续数据，不是分析分类变量的适当选择。选择合适的方法可以确保分析的有效性和准确性。