主成分分析使用的就是度量各变量之间相关性的协方差矩阵，故选B

对于主成分分析（PCA）来说，主要关注的是（B: 变量之间的相关性）。

**专业分析：**

主成分分析是一种降维技术，主要用于处理高维数据，通过将原始变量转换为一组新的、不相关的变量（即主成分），这些主成分能够解释原始数据中的大部分变异性。以下是一些关键点：

1. **变量之间的相关性**：主成分分析的核心在于通过线性组合将原始变量转换为主成分，这些主成分是彼此不相关的（正交的）。因此，PCA主要关注的是原始变量之间的相关性，以便能够找到最佳的线性组合来解释数据的变异性。

2. **降维**：通过选择前几个主成分，可以在保留数据主要信息的同时减少维度，从而简化数据的结构，便于进一步分析和可视化。

3. **解释变异性**：每个主成分解释了原始数据中一定比例的变异性，通常第一个主成分解释的变异性最多，第二个主成分次之，以此类推。

综上所述，主成分分析主要关注的是变量之间的相关性，以便通过线性组合找到不相关的主成分，从而实现降维和数据简化。因此，正确答案是B: 变量之间的相关性。