完全随机设计(completely randomized design)是根据试验处理数将全部供试材料随机地分成若干组，然后再按组实施不同处理的设计。这种设计保证每份供试验材料都有相同机会接受任何一种处理，而不受试验人员主观倾向的影响。

这种设计具有三个方面的含义：

一是试验单元的随机分组；二是试验单元各组与试验处理的随机结合；三是试验处理顺序的随机安排。试验单元的随机分组是完全随机设计的实质。在动物科学试验中，当试验条件特别是试验动物的初始条件比较一致时，可采用完全随机设计。

完全随机设计的关键是先将试验材料随机分组。随机分组的方法有很多，最常用的方法有随机数字表法、抽签法和计算机程序化数据处理法(计算机法)等，而以随机数字表法为好。因为随机数字表上所有的数字都是按随机抽样原理编制的，表中任何一个数字出现在任何一个位置都是完全随机的。随机数字表的使用请参阅相关的使用说明。此外，利用计算机程序进行数字的随机化处理更为简便。

单因素试验的完全随机设计

单因素试验即试验处理仅为一个方向，如研究肥料对作物产量的影响、生长素对植物苗高的影响等，试验中的肥料因素和生长素因素均为单一的试验处理。现以生长素对大豆苗高影响试验为例，简要介绍其设计方法及步骤。

(1)试验单元编号设使用甲、乙两种生长素各一个剂量处理大豆，每个处理种6盆，共12盆。首先将全部试验单元(12盆)随机依次编为1，2，…，12号。

(2)随机分组利用微机(或随机数字表)将12个数字随机分为两组，甲组生长素的盆号为：2、5、6、8、10、12；乙组生长素的盆号为：1、3、4、7、9、11。

在实际工作中，有时会出现各组观察值数目不等的情况，如调查某作物不同类型的田块若干块，计数每块田某种害虫的虫口密度，因地块类型的不均衡性会出现各组地块数数目不等的情况。此时，对所得数据应使用样本量不等的统计分析方法。

双因素试验的完全随机设计

双因素试验即试验处理分为两个方向，调查数据为两个因素的组合效应值。如研究肥料因素和土壤因素对某水稻品种产量的影响，即为双因素试验。双因素试验按水平组合的方式不同，分为交叉分组和系统分组两类。系统分组设计又称巢式设计，见本节第四部分介绍。这里先介绍交叉分组试验设计。设有A、B两个试验因素，A有a个水平，B有b个水平，所谓交叉分组，是指A因素的每个水平与B因素的每个水平都要碰到，两者交叉搭配形成ab个水平组合。其试验设计方法与单因素试验基本相同，只是需要把水平组合作为单因素试验中的处理即可。

完全随机设计是一种最简单的设计方法，主要优点：①设计遵循重复和随机两个原则，能真实反映试验的处理效应；②设计容易，处理数与重复数都不受限制，适用于试验条件、环境、试验材料差异较小的试验。主要缺点：①由于未应用试验设计三原则中的局部控制原则，非试验因素的影响被归入试验误差，试验误差较大，试验的精确性较低；②在试验条件、环境、试验动物差异较大时，不宜采用此种设计方法。

在社会研究中，最简单的双盲实验就是随机抽取若干名对象分成两组，分别接收两种“实验变量”，但是哪个是真正的实验变量，除了研究者之外任何人都不知道，然后进行“后测”，根据测试结果比较实验变量对被实验对象的

影响。这样的双盲实验一般采用的是有控制组的事后实验，如果要做前测，有可能使被实验者知道实验的目的。如果一定需要做前测，可以有两种方法：一是把前测的内容隐蔽在测试卷中，不让被实验者知道测试的目的；二是把相隔不久的相类似的测量结果作为前测。按上例，随机选择40名农民工，以文娱活动的名义组织他们观看电影，观看什么电影采用抽签方法(性健康教育电影票和一般电影票各有20张，选择的电影最好对农民工具有同等的吸引力)，电影结束后组织他们进行陛健康知识认知水平的测试，并进行比较。为了做到双盲，无论是实验的组织者还是被实验对象都不应该让他们知道实验的真正目的，而是以文娱活动的名义组织他们观看电影。如果需要前测的话，可以在看电影前组织他们进行一次综合性的问卷测试，把有关性健康知识的测试内容分散在问卷中，或者在另外一个工地进行一次民工性健康知识的调查，以此作为前测。

完全随机设计可以采用简单随机抽样方法，实验变量可以有几个，但是其中只有一个是真正的实验变量，并按随机方法分配给实验单位，真正的实验变量除了研究者之外任何人都不知道。实验变量之间的差异采用假设检定法(F检验)，即方差分析或变异量分析进行确定。