:B、C 选项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，可以采用以下方法：

A: 卡方检验
D: 计算列联相关系数

### 专业分析：

1. **卡方检验（Chi-Square Test）**：
- **适用范围**：卡方检验主要用于检验两个分类变量之间的独立性。它通过比较实际观察到的频数和期望频数之间的差异来判断变量之间是否存在关联。
- **优点**：简单易用，适用于大样本数据。
- **缺点**：对小样本数据不太可靠。

2. **计算列联相关系数（Contingency Coefficient）**：
- **适用范围**：列联相关系数是一种用于衡量两个分类变量之间关联程度的统计量。它基于卡方统计量计算得出。
- **优点**：能够量化分类变量之间的关联程度。
- **缺点**：列联相关系数的取值范围有限，不能达到1。

### 错误选项分析：

B: **t 检验**：
- **适用范围**：t 检验主要用于比较两个样本均值之间的差异，通常用于连续变量的数据分析。因此，不适用于分析分类变量之间的相关性。

C: **计算皮尔逊相关系数（Pearson Correlation Coefficient）**：
- **适用范围**：皮尔逊相关系数用于衡量两个连续变量之间的线性关系，不适用于分类变量。

综上所述，分析分类变量之间的相关性可以采用卡方检验和列联相关系数。