多级设计

要系统地改变实验因素，分配每个因素一个离散集水平。完整的阶乘设计使用每一个测量响应变量治疗（因子水平的组合）。完整的阶乘设计n因素n₁，...，，n_n水平需要n₁×...×n_n实验性运行 - 每次治疗。虽然有利于分开个体效果，但完整的阶乘设计可以对数据收集提出很大的需求。

例如，假设一家机械车间有三台机器和四个操作员。如果同一操作员始终使用同一台机器，则无法确定机器或操作员是否是生产变化的原因。通过允许每个操作员使用每台机器，效果都分开。该功能生成了完整的治疗列表全面：

dff = FullFact（[3,4]）DFF = 1 1 2 1 3 1 1 2 2 2 2 3 2 1 3 2 3 3 3 3 3 1 4 2 4 3 4 4

3×4 = 12行DFF代表一台机器/操作员组合。

两级设计

许多实验可以使用两级因素进行两级设计。例如，假设上一个示例中的机械车间始终将同一操作员保留在同一台机器上，但要测量取决于白天和夜间偏移的组成的生产效果。功能FF2N生成完整的治疗清单：

dff2 = ff2n（4）dff2 = 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 1 0 1 0 0 0 0 0 0 1 0 1 0 1 0 1 0 1 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 1 0 0 1 0 1 1 1 01 0 1 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1

2个⁴= 16行DFF2代表当天运营商的一个时间表（0）和夜（1） 转移。