実験計画法（じっけんけいかくほう、）は、効率のよい実験方法を設計（デザイン）し、結果を適切に解析することを目的とする統計学の応用分野である。R・A・フィッシャーが1920年代に農学試験から着想して発展させた。特に1950年G・M・コックスとW・G・コクランが標準的教科書を出版し、以後医学、工学、実験心理学や社会調査へ広く応用された。またこれを基にして田口玄一による品質工学という新たな分野も生まれた。
他にも、マーケティングや新しい商品・サービスのコンセプトや仕様を考える場合などに用いられる、コンジョイント分析も有用である。
基本原則
実験計画法の基本的な原則は次の3つである。
局所管理化 影響を調べる要因以外のすべての要因を可能な限り一定にする。 反復 実験ごとの偶然のバラツキ（誤差）の影響を除くために同条件で反復する。
以上は物理学などの実験でも普通に採用されるが、さらに次の原則が加えられる。
無作為化（ランダム化） 以上でも制御できない可能性のある要因の影響を除き、偏りを小さくするために条件を無作為化する。例えば実験を行う空間的・時間的順序の影響があるかもしれないから、決まった順序でなく実験のたびに無作為に順序を決めるなど。これは生物学などの実験で特に重要である。
以上の原則に基づく実験計画と結果の解析で重要な統計学的方法が、分散を複数の成分（偶然の誤差や各要因の影響）の和としてモデル化し分析する分散分析の方法である。
また実験計画法は数学的には組合せ論（ブロックデザイン）と密接な関係がある。
基礎概念と用語
具体例として、作物の品種の違いが収量に与える影響を調べる実験を考えよう。
検討対象とする要因（この例では品種）を因子という。1種類の因子（品種）についてだけ調べる実験を1因子実験という。しかし一般には、他にも大きな影響を与える可能性のある因子があり、この例では施肥量が考えられる。因子の効果が加法的でなく、ある条件の組合せによって特異な結果が得られること（例えば、特定の品種では施肥量を少なくしたほうがかえってよいなど）もありうる。これを因子間の交互作用といい、これに対して各因子の直接的な効果を主効果という。交互作用の程度を調べ、また実験を効率よく行うためにも、複数の因子を同時に調べる多因子実験が重要となる。
+ 表1 施肥量 少 中 多 品種 1 ○ ○ ○ 2 ○ ○ ○ 3 ○ ○ ○ 2因子（品種・施肥量 各3水準）実験○をつけた組み合わせすべてで実験する。
各因子に設定する段階を水準という。ここでは各因子を3水準（品種は1から3の3品種、施肥は少・中・多）とする。この場合、3 × 3 = 9通りの組合せすべてを試す実験（全組合せ実験）が考えられる（表1）。全組合せ実験では、主効果に加えて交互作用も推定できる。
誤差（ばらつき）の大きさを評価し、その影響を減らすには、同じ条件の実験を繰り返す反復が必要である。
また、栽培を複数の圃場で行う場合、土質などの違いが結果に影響しうる。圃場のように、実験者が自由に水準を設定できない（が結果に影響しうる）因子については、これを因子として扱い、均質な群（ブロック）に分けて比較する。この操作をブロック化といい、局所管理の原則に基づく。
さらに、同じ圃場内でも区画（小区）による違いがありうるが、これを完全に制御することは難しい。そこで、反復ごとに各小区への処理の割り当てをランダムに変える無作為化により、場所の影響が特定の処理に偏らないようにする。
+ 表2 施肥量 少 中 多 品種 1 A B C 2 B C A 3 C A B 3因子（品種・施肥量・圃場 各3水準）実験A, B, C は圃場の水準を表す。
次に、品種・施肥量・圃場の3因子について各3水準を設定する場合を考える。全組合せでは 3 × 3 × 3 = 27通りの実験が必要となる。しかし、因子間の交互作用が無視できるなら、表2に示すように9通りに減らすことができる。この方法はラテン方格を用いた配置といい、主効果のみを調べるスクリーニング実験などに利用される。このように、任意の2因子について水準のすべての組合せが等しい回数ずつ現れるようにしつつ、実験回数を減らす方法が種々考案されており、直交計画と呼ばれる。
文献 オーム社 『Excelで学ぶ 営業・企画・マーケティングのための実験計画法』 監修・上田太一郎 共著・渕上美喜、上田和明、近藤宏、高橋玲子 ISBN 978-4274066511
関連項目 無作為抽出 直交表
外部リンク 実験計画法（増山元三郎著・鹿児島大学電子ライブラリー） 統計・品質工学に関するミニ知識（小川正樹）