分级安排试验因素，使各因素的水平不相交叉的试验设计。又称巢式设计（nested design）。其特点是一级因素的各个处理内分别套着下一级因素在形式上相似，而内容不同的一套处理。例如，在完全随机设计中，若第一个因素的各个处理（水平）内又排入第二个因素，而第二个因素的水平又随第一个因素的各个水平而异，就成为二级分支式设计。这种分级可以进行多次，成为多级分支式设计。这种设计用于抽样过程，则称为多级抽样设计。分支式设计中一级因素的效应可以是随机的，也可以是固定的。但以下各级因素则多为随机效应。例如，A因素三个处理（a₁、a₂、a₃），每个处理分别与B因素的两个处理构成不同的处理组合，每个处理组合内包含4个试验单位（个体）的分支式设计，可图示如下：

分支式试验设计

从上图可以看出，分支式试验设计中A、B两级因素的水平互不交叉，所以无法估计因素间的互作。假如A因素有a个处理，每个处理内套着B因素的b个处理，每个处理组合内包含价个体，那么，在A因素处理i内B因素处理j的第k个个体观测值x_ijk的线性数学模型可表达为：

x_ijk＝μ＋α_i＋β_(i)j＋ε_(ij)k

式中 μ是总体平均数，α_i是A因素效应，β_（i）j是B因素效应，ε_（ij）k是与个体相应的随机误差。其中i＝1，2，……a，j＝1，2，……b，k＝1，2，……r。根据上述模型其方差分析表如下：

附表

表中σ²是个体间（误差）的方差分量，是因素B的方差分量，是因素A的方差分量。由于B因素的不同处理内包含不同的个体，所以因素B的变异包含个体间变异。同时，A因素不同处理内包含B因素的不同处理，所以因素A的变异既包含因素B处理间的变异，也包含个体间变异。有些情况下，因素A是主要研究对象，可将其中所套着的因素B看作是随机抽取的不同亚组。同理，可把B内的个体间差异作为抽样误差，而把同一A处理内B因素处理间的差异作为试验误差。

分支式试验设计不仅可应用于农业、医学及生物学研究的实验室、温室试验和田间试验，其原则还能应用于动植物遗传育种研究的交配方案设计，以及农业、生物学的抽样研究。这种试验设计一般着重在第一个因素的主效应分析和各级因素的变异分析，对于探明因素间互作的研究是不适用的。