在實驗設計裡, 若是由於時間、經費等等原因, 沒辦法執行一個完全因子設計時, 常常會選用部分因子設計。
但天下沒有白吃的午餐, 當試驗次數減少時, 便會造成許多效應彼此混淆的情形。
在固定效應模型下對於部分因子設計的效應混淆已有一套有系統且完善的流程, 來評斷各個設計下效應混淆的程度。
但在在電腦實驗裡經常使用的隨機域模型上關於效應混淆的討論及研究, 則上付之闕如。
本論文期望在隨機域模型裡也能發展出一套流程或方法, 來討論各種設計下的效應混淆, 進而可發展準則來選取效應混淆程度低的設計。
論文內定義出了隨機域模型下從相關係數矩陣之特徵值推導出效應的重要性, 並由特徵值的變化觀察效應混淆的程度,
最後提供幾種選取重要效應的方法以便選取設計時使用。

Bailey, R. A. (2008), Design of Comparative Experiments, Cambridge University Press.
Sacks, J., Welch, W. J., Mitchell, T. J., and Wynn, H. P. (1989), "Design and analysis of computer experiments", Statistical Science, 4(4), 409-423.
Santner, T. J., Williams, B. J., and Notz, W. I. (2003), The Design and Analsis of Computer Experiments, Springer.
Steinberg, D. M. and Bursztyn, D. (2004), "Data Analytic Tools for Understanding Random Field Regression Models", Technometrics, 46(4), 411-420.
Wu, C. F. J. and Hamada, M. S. (2000), Experiments: Planning, Analysis, and Parameter Design Optimization, John Wiley, New York.