在心理学实验设计中，一类实验设计是考察单一自变数（或称为因素）对因变数的影响，这类实验设计称为单变数实验设计（Single-Variable Experiment）。另外一类实验设计是考察两个或两个以上的自变数（或因素）对因变数的影响，这类实验设计称为多变数试验设计（Multiple-Variable Experiment）。多变数实验设计包括多因素组间实验设计、多因素组内实验设计和混合实验设计。

多因素组间实验设计是单因素组间实验设计的扩展。在多因素完全随机实验设计中，基本方法是：随机取样被试，并将参加实验的被试分为若干个实验处理组，每组被试分别接受一种实验处理水平的结合。

我们以两因素完全随机实验设计举例，表1中自变数A因素有两个水平，B因素有四个水平。两个因素共有2×4=8种处理水平的结合，即A1B1，A1B2，A1B3，A1B4，A2B1，A2B2，A2B3，A2B4。将被试随机分为八组，每组被试接受一个自变数实验处理水平的结合。实验设计的基本思想是，由于实验处理前，被试是随机分配给各实验处理组的，因而保证了各组被试实验之前无差异。实验处理后测量到的差异可能来自A因素、B因素，或来自A因素与B因素的互动作用。

表1 两因素完全随机实验设计举例

多因素组内（被试内）实验设计是单因素组内实验设计的扩展。在多因素被试内实验设计中，基本方法是：随机取样被试，参加实验的被试接受全部实验处理水平的结合。

以两因素被试内实验设计举例，表2中自变数A因素有两个水平，B因素有四个水平。两个因素共有2×4=8种处理水平的结合，即A1B1，A1B2，A1B3，A1B4，A2B1，A2B2，A2B3，A2B4。参加实验的每个被试接受所有自变数实验处理水平的结合。实验设计的基本思想是，由于每个被试接受所有的试验处理水平的结合，因而实验处理后测量到的差异应当来自A因素、B因素，或来自A因素与B因素的互动作用。

在多因素实验设计中，当两个或多个因素均为被试间因素时，我们称之为组间或被试间实验设计，当两个或多个因素均为被试内因素时，我们称之为组内或被试内实验设计。然而，还有一种可能性，多因素实验设计中的自变数既包含有被试间因素，又包含有被试内因素，这种情况我们称之为混合实验设计（Mixed Factorial Design）。

混合实验设计的基本方法是，首先确定实验中的被试间因素和被试内因素，将被试按被试间因素的水平数随机分组，然后，每组被试接受被试间因素的某一处理水平与被试内因素所有处理水平的结合。我们仍以两因素混合实验设计举例，表3中自变数A因素是被试间因素，有两个水平，B因素是被试内因素，有四个水平。两个因素共有2×4=8种处理水平的结合，即A1B1，A1B2，A1B3，A1B4，A2B1，A2B2，A2B3，A2B4。按照被试间因素的水平数，被试应随机分为两组，实验组1接受A1水平与B因素所有水平的结合，即A2B1，A2B2，A2B3和A2B4。

混合实验设计的基本思想是：一方面，由于有自变数成为被试内因素，每个被试接受多次实验处理，因此在一定程度上减少了被试之间个体差异可能造成的实验误差，与被试间实验设计相比，混合设计可以节省被试。另一方面，由于有自变数是被试间因素，因此不至于每个被试由于接受实验处理次数过多而造成疲劳、学习等效应。

优点：（1）突出优点是它能够研究多个变数之间的互动作用（Interaction）。（2）由于多变数实验设计考察的影响自变数的因素较多，因此，得出的结论与实际情况更为接近，结果的推论性也相应提高。（3）在统计分析方法上，多数的参数推论统计分析方法都可以用于比较自变数的不同水平之间的显着效应，针对不同类型的因素实验设计，还有相应的方差分析方法，并可以通过多重比较方法对结果进行进一步的分析。

缺点：（1）需要耗费更多的人力、时间、物力和财力。（2）选择的因素和因素水平过多时，主试或实验者对实验的实施过程可能会失去良好控制。（3）结果解释的複杂性。多变数实验设计的方差分析结果包括各因素的主效应和互动作用，因素和因素的水平越多，主效应和互动作用的解释就越困难。

一种常用的方法是在确认分解的各因素之间不存在互动作用的前提下，将複杂的多变数实验设计分解为若干个单因素和简单的多因素实验设计，分多次实施实验，然后再将多个实验获得的数据放到一起进行分析和讨论，这样就减少了由于实验设计的複杂给主试和实验者实施实验带来的困难，提高了实验者对实验过程的可控性。