1.基本特點
單因素完全隨機實驗設計適用於這樣的研究：研究中有一個自變量，自變量有兩個或多於兩個水平（P≥2）。它的基本方法是：把被試（實驗單元）隨機分配給處理（自變量）的各個水平，每個被試只接受一個水平的處理。完全隨機實驗設計是用隨機化的方式控制誤差變異的。它假設，由於被試是隨機分配給各處理水平的，被試之間的變異在各個處理水平之間也應是隨機分布、在統計上無差異的，不會只影響某一個或幾個處理水平。
單因素完全隨機設計中分配被試的圖解例子如下：
計算舉例：
一個研究要探討文章的生字密度對學生閱讀理解的影響。研究者的假設是：閱讀理解隨著文章中生字密度的增加而下降。因此，該實驗有一個自變量——生字密度，研究者感興趣的四種生字密度是：5：1(a1）、10：1(a2）、15：1(a3)、20：1(a4)。因變量是被試的閱讀理解測驗分數。實施實驗，研究者將32名被試隨機分為四組，每組被試閱讀一種生字密度的文章，並回答閱讀理解測驗中有關文章內容的問題。這是一個典型的單因素完全隨機設計。雖然研究者不再檢驗實驗中其他因素的影響，但實際上存在著多種可能對因變量產生影響的無關變量，例如：文章的長度、文章的主題熟悉性、文章類型等、以及被試的年齡、受教育程度、閱讀能力等。這時，控制無關變量可做的工作之一是在選取四篇文章時，使它們在除生字密度以外的其他方面儘量匹配。
（1）計算表
（2）各種基本量的計算
（3）平方和的分解與計算
①平方和分解模式：SS總變異=SS組間+SS組內
②平方和計算：
SS總變異=[AS]-[Y]=268.875
SS組間=[A]-[Y]=190.125
SS組內= SS總變異- SS組間=78.750
（4）方差分析表及對結果的解釋
方差分析表表明，生字密度的效應是統計顯著的（F（3，28）=22.53，P<.01)，學生閱讀理解生字密度不同的文章有顯著的差別。從閱讀理解四種生字密度文章的平均分數上可以初步看出，學生閱讀理解生字密度小的文章好於閱讀理解生字密度大的文章，但要進一步了解在不同生字密度下學生閱讀理解的差別，需進一步做多重比較檢驗，我們將在第九章中介紹。方差分析表中還可以看出，生字密度的F檢驗的誤差項是MSe=2.813。
（5）平方和與自由度分解圖解
（6）各種平方和的含義
SS總變異—總平方和或總變異帶有實驗數據中所有的變異，包括實驗處理效應、無關變異和誤差變異。
SS組間——組間平方和，或處理平方和，指所有由於實驗處理引起的變異，在單因素設計中指A因素的處理效應。
SS組內——組內平方和，或誤差平方和，指所有不能用實驗處理解釋的變異，它可能包括被試個體差異、其他無關變異和實驗誤差。在單因素完全隨機實驗中，不再對組內平方和做進一步分離，因此在總變異中減去組間平方和就是組內平方和。