برای احتراز از چنین وضعی میتوان عامل غیر مربوط را ثابت گرفت ولی با این کار به ندرت به اطلاعاتی که لازم داریم میرسیم. در مثال فوق می توانستیم مطالعه را به شرایط رانندگی در روز شنبه محدود کنیم، ولی در این صورت نمی توانستیم مطمئن باشیم که میتوان نتایج را به شرایط رانندگی در یکشنبه یا روز دیگر تعمیم داد. امکان دیگر آن است که عامل غیر مربوط را به عنوان یک عامل مهم در نظر گرفته آزمایش را طوری طراحی کنیم که بتوانیم اثر آن را اندازه بگیریم. در این صورت تحلیل واریانس دو عامله به کمک ما می آید که در آن تغییرات کل داده ها به سه جزء افراز میشود تیمارها در مثال مذکور چهار مسیر)

عامل غیر مربوط در مثال مذکور شرایط رانندگی در روزهای مختلف هفته و خطای آزمایش یا تصادف روشی که پیشنهاد کردیم بلوک بندی نام دارد و به روزهای مختلف هفته عنوان بلوک اطلاق میشود در حالت کلی بلوکها سطوحی هستند که عامل غیر مربوط را در آن ثابت میگیریم تا بتوانیم سهم آن را در مجموع کل تغییرات داده ها اندازه بگیریم.

۱۲-۴ تحلیل واریانس دو عامله

همان طور که گفتیم تحلیل واریانس دو عامله به بررسی اثر دو عامل در ایجاد تغییرات می پردازد؛ مثلاً عامل نوع بذر و نوع کود در میزان محصول، عامل نوع ماشین و متصدی در تعداد ضایعات عامل مسیر و روز در میزان زمان صرف شده برای رفتن از خانه به محل کار مفهوم اساسی که در تحلیل واریانس دو عامله باید معرفی شود «تأثیر متقابل» است. تأثیر متقابل در آزمایش دو عامله بدین معناست که دو تیمار مستقل نیستند و اثر خاص سطوح مختلف تیمار در یک عامل بر اساس سطوح عامل دیگر تغییر می کند. مثلاً اثر بخشی روشهای مختلف تدریس وابسته به سطوح استعداد دانشجویان است،