範例：非重複階乘的變數分析(ANOVA)
透過檢測非顯著因子，然後將階乘投影至較低階的階乘，使用
anova 函數對未複製的階乘執行變異數分析。
1. 呼叫
fullfact 函數建構全階乘設計矩陣，以供實驗測試試驗工廠的過濾率。係數
A、
B、
C 及
D 分別代表溫度、壓力、甲醛濃度及攪拌速度。
2. 在矩陣 Y1 中記錄實驗結果，每執行 16 次使用一個元素。
4. 建立效果圖，以判定顯著因子。
係數 C 與含有 C 的二階相互作用對實驗的影響很小。相較於係數 A、B 及 D，係數 C 並不顯著。
5. 呼叫 anova 函數執行變異數分析。
由於未複製 Y1，因此 anova 函數會傳回錯誤。但是，由於 C 不是顯著係數，因此就 A、B 及 D 係數而言，“Run 1” 與 "Run 5" 重複。“Run 2" 與 "Run 6" 的情況亦同。事實上，當 C 不顯著時，整個 ABCD 24 設計矩陣會包含 ABD 23 設計矩陣的複本。
6. 呼叫 fullfact 函數建立 23 全階乘設計矩陣。
在 X2 中，會改變係數名稱。初始係數 A、B、D 會變成 A、B、C。
7. 重新安排實驗結果，以擬合 23 全階乘實驗。
8. 使用 Y2 呼叫 anova 函數。
9. 使用
qF 函數計算係數與交互作用的臨界
F-value，並將其
F-value 與臨界
F-value 相比較。
◦ 效果圖顯示係數 C 相較於 A、B 及 D 並不顯著。
◦ 係數 A、B、D (在 V 中顯示為 A、B、C) 及其交互作用 AD、BD (在 V 中顯示為 AC、BC) 在 5% 等級為顯著，因為其 F-values 大於 Fcrit。此變異數分析加強從效果圖衍生的主觀結論。
參照
Montgomery, D.C., Design and Analysis of Experiments, 5th ed., John Wiley & Sons, New York, 2001, pp.246.
