常用的相关性的度量方法：两个连续变量使用皮尔逊相关；两个顺序性变量使用斯皮尔曼相关系数；一个连续性变量一个顺序性变量使用肯德尔曼相关系数

在分析两个连续变量之间的相关性时，常用的指标是皮尔逊相关系数。因此，正确答案是A: 皮尔逊相关系数。

### 专业分析：
1. **皮尔逊相关系数（Pearson Correlation Coefficient）**：
- **适用范围**：主要用于度量两个连续变量之间的线性相关性。
- **计算方法**：基于两个变量的协方差与标准差。
- **数值范围**：从 -1 到 1，数值越接近 1 或 -1，表示相关性越强，0 表示没有线性相关性。
- **假设条件**：数据需要满足正态分布，并且变量之间是线性关系。

2. **斯皮尔曼相关系数（Spearman's Rank Correlation Coefficient）**：
- **适用范围**：用于度量两个变量的单调关系，不要求变量是线性关系，适用于连续或有序分类变量。
- **计算方法**：基于变量的等级（排名）来计算相关性。
- **数值范围**：从 -1 到 1，解释方式与皮尔逊相关系数类似。
- **假设条件**：不需要数据满足正态分布，适用于非线性但单调的关系。

3. **肯德尔相关系数（Kendall's Tau Coefficient）**：
- **适用范围**：用于度量两个变量之间的相关性，特别是当数据存在大量重复值时。
- **计算方法**：基于变量对之间的一致性或不一致性。
- **数值范围**：从 -1 到 1，解释方式与皮尔逊相关系数类似。
- **假设条件**：不需要数据满足正态分布，适用于非线性关系。

综上所述，度量两个连续变量的线性相关性时，最常用的是皮尔逊相关系数。因此，答案是A: 皮尔逊相关系数。