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。正确答案是A: 皮尔逊相关系数。

以下是对各个选项的专业分析：

A: 皮尔逊相关系数
皮尔逊相关系数（Pearson Correlation Coefficient）是最常用的度量两个连续变量之间线性相关性的指标。它的取值范围在-1到1之间，1表示完全正相关，-1表示完全负相关，0表示没有线性相关性。皮尔逊相关系数假设数据是正态分布的，并且是线性关系。

B: 斯皮尔曼相关系数
斯皮尔曼相关系数（Spearman's Rank Correlation Coefficient）是用于度量两个变量的单调关系的非参数指标。它不要求数据是正态分布的，适用于非线性关系以及有序分类数据。

C: 肯德尔相关系数
肯德尔相关系数（Kendall's Tau）也是一种非参数指标，用于度量两个变量之间的相关性。它基于排序数据，适合用于小样本以及有序分类数据。

D: 以上都可以
虽然皮尔逊、斯皮尔曼和肯德尔相关系数都可以用于度量变量之间的相关性，但它们适用的情况不同。皮尔逊适用于连续且正态分布的数据，斯皮尔曼和肯德尔则适用于非参数数据或有序分类数据。

综上所述，对于两个连续变量之间的相关性分析，最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。