两两比较统计学方法：Benjamini-Hochberg的优点和缺点，以及各种适用/不适用情况

### 回答1：

Benjamini-Hochberg方法（BH）的优点是它可以有效地控制多重检验的假阳性率。它的缺点是它不能有效地控制变量的有效性。BH方法适用于不同的多元数据分析，例如：统计聚类，包括基于距离的方法，分类和回归分析等。它不太适用于有不同假设的假设检验，例如：检验假设的偏差或关联性。

### 回答2：
Benjamini-Hochberg方法是一种用于控制多重检验中的错误发现率的统计学方法。其优点包括如下几点：

1. 较传统的Bonferroni校正方法来说，Benjamini-Hochberg方法具有更高的功效。它能够在减少第一类错误（将无关的结果错误地判定为显著）的同时，增加第二类错误（将有关的结果错误地判定为不显著）的能力，从而提高了实验的发现力。

2. Benjamini-Hochberg方法考虑到了多个假设同时进行的问题，能够有效地执行多重比较校正。相比单个假设的推断，多重比较更具挑战性，因为它需要在多个独立测试中同时控制错误的发现率。Benjamini-Hochberg方法提供了一种可靠的方式来解决这个问题。

3. 该方法还具有较低的计算负担和较快的速度。它只需要对原始p值进行排序，并使用简单的公式计算校正后的p值，因此计算量较小。

然而，Benjamini-Hochberg方法也存在一些缺点和适用性限制：

1. 该方法使用的是基于该方法下的假设检验过程达成的p值排序，因此在数据分布非常偏斜或存在违反基本假设的情况下，该方法可能会产生不准确的结果。

2. 该方法不适用于具有相关性（如家族结构）或非独立性的数据。在这种情况下，应该使用考虑相关性的方法，如Benjamini-Yekutieli方法。

3. 该方法仅控制了错误发现率，并没有提供关于实验中的错误类型的任何信息。因此，在实际应用中，研究者需要权衡是否需要进一步的控制，如FDR控制。

综上所述，Benjamini-Hochberg方法在多重假设检验中具有很多优点，但在某些情况下可能出现不准确的结果。在应用中，研究者需要根据实际情况进行评估和选择适当的统计方法。