在数据分析中，连续变量的压缩通常是指减少变量数量但仍尽可能保留数据的原始信息。这可以通过找到变量间的共同特征或结构来实现。以下是对各个选项的分析：

A: **因子分析**
- 因子分析是一种统计方法，用于识别观测变量中的潜在变因或“因子”，它可以帮助减少变量的维数，并且适用于连续变量的压缩。因此，因子分析可以用于连续变量的压缩。

B: **变量聚类**
- 变量聚类是将相似的变量分组的过程，这可以帮助简化数据结构，但通常不是直接用于连续变量压缩的方法，而是用于变量选择或理解变量关联性的辅助工具。因此，虽然它间接帮助理解和处理变量，但不算直接的压缩方法。

C: **主成分分析**
- 主成分分析（PCA）是一种降维技术，通过将原始变量转换为一组不相关的新变量（主成分）来压缩数据，这些主成分捕捉了尽可能多的方差。因此，主成分分析是常用的连续变量压缩方法。

D: **样本聚类**
- 样本聚类是用于将相似的观测样本分组的方法，主要用于分类和模式识别，而不是用于变量的压缩。因此，它不适用于连续变量的压缩。

综合以上分析，正确的选择是：
- **A: 因子分析**
- **C: 主成分分析**

这两个方法是连续变量压缩的常见和有效方法。