在农业和生命科学研究中，生物体生长如产量受到许多因素的综合作用，探究对生物体生长有关试验因素的不同作用和相对重要性及因素间的互作，筛选出主要试验因素及水平组合常须进行多因素试验。各因素不同水平的组合称为处理（treatment），又称处理组合（treatment combination）。处理组合数是各供试因素水平数的乘积。多因素试验的目的一般在于明确各试验因素的相对重要性和相互作用，并从中评选出1个或几个最优处理组合。例如甲、乙、丙、丁4个品种和高、中、低3种播种密度的两因素产量试验，共4×3=12个水平组合，分别为甲高、甲中、甲低、乙高、乙中、乙低、丙高、丙中、丙低、丁高、丁中和丁低。这个试验除了可以分析品种和播种密度两个因素分别对产量的作用外，还可研究品种和播种密度互作对产量的影响。多因素试验提供了比单因素试验更多的效应估计，包括简单效应、主要效应和交互作用效应，具有单因素试验无可比拟的优越性，效率常高于单因素试验。一个试验因素的水平相同，另一个试验因素不同水平间的试验指标差异属简单效应。主要效应为试验因素内各简单效应的平均数。两个因素简单效应间的平均差异称为交互作用效应，它反映了一个试验因素的各水平在另一个试验因素的不同水平上产生的效果差异（反应不一致现象），反映了试验因素间的相互关系。

多因素试验设计较复杂，试验条件的控制要求较高，操作较烦琐，高级交互作用的解释困难，且当试验因素及其水平增多时，水平组合数（处理数）迅速增加，要对全部处理组合进行全面试验（称全面实施），试验规模过大往往难以实施或控制误差。当全面试验无法有效进行时，可利用正交试验法通过抽取均衡性的部分处理组合（称部分实施）以代表全部处理组合，从而缩小试验规模提高试验的可操作性。正交试验法牺牲了试验因素间高级交互作用效应的估计，但仍能估计出试验因素的简单效应、主要效应和试验因素间的低级交互作用效应，因而促进了多因素试验的应用。