分析分类变量之间的相关性时，适用的方法主要有以下几种：

A: 卡方检验
B: t 检验
C: 计算皮尔逊相关系数
D: 计算列联相关系数 (coefficient of contingency)

正确答案是：A 和 D。

**专业分析：**

1. **卡方检验 (Chi-Square Test)**:
- 卡方检验是一种用于检验两个分类变量之间独立性的统计方法。通过构建列联表（contingency table），卡方检验可以判断两个变量是否存在统计上的显著关联。它是分析分类变量相关性的常用方法之一。

2. **列联相关系数 (Coefficient of Contingency)**:
- 列联相关系数是一种用于测量两个分类变量之间关联强度的统计量。它基于卡方统计量计算，能够提供一个介于0到1之间的值，表示关联的强弱程度。

**其他选项的解释：**

- **t 检验 (t-test)**:
- t 检验主要用于比较两个样本均值之间的差异，适用于连续变量而非分类变量。因此，t 检验不适用于分析分类变量之间的相关性。

- **皮尔逊相关系数 (Pearson Correlation Coefficient)**:
- 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，而非分类变量。因此，皮尔逊相关系数不适用于分析分类变量之间的相关性。

综上所述，分析分类变量之间的相关性时，卡方检验和列联相关系数是更为合适的方法。