确定无序分类变量与连续性变量之间的相关性强度可以使用以下方法：
1.卡方检验（Chi-SquareTest）：卡方检验是一种统计假设检验方法，用于确定两个分类变量之间是否存在关联。通过计算观察频数和期望频数之间的差异，可以得到一个卡方值。卡方值越大，表示两个变量之间的关联越强。
2.相关系数（CorrelationCoefficient）：相关系数是衡量两个变量之间线性关系强度的指标。对于无序分类变量与连续性变量之间的关系，可以使用点二列相关系数（Point-BiserialCorrelationCoefficient）或φ系数（PhiCoefficient）。这些相关系数的取值范围在-1到1之间，接近1表示正相关，接近-1表示负相关，接近0表示无相关。
3.Cramér'sV系数：Cramér'sV系数是衡量两个分类变量之间关联程度的指标。它基于卡方检验的结果，可以计算出一个介于0和1之间的值，表示两个变量之间的关联强度。Cramér'sV系数的值越大，表示关联越强。
4.非参数统计方法：如果数据不符合正态分布或样本量较小，可以使用非参数统计方法来确定无序分类变量与连续性变量之间的相关性强度。常用的非参数方法包括Spearman秩相关系数和Kendall秩相关系数。这些方法不依赖于数据的分布和样本量的大小，适用于各种类型的数据。
需要注意的是，以上方法只能确定无序分类变量与连续性变量之间的相关性强度，而不能确定因果关系。如果需要确定因果关系，需要进行实验设计或使用因果推断方法。