Uno de los principales objetivos de la experimentación agronómica es obtener datos confiables que permitan establecer comparaciones entre tratamientos y poner a prueba las hipótesis de trabajo. Para cumplir este objetivo se necesitan experimentos bien diseñados y planificados, así como una estrategia de análisis de los datos que contemple los factores de diseño e información adicional relevante, especialmente en ensayos a campo de gran tamaño evaluados por varios años, donde se pueden generan correlaciones en el espacio y/o en el tiempo en las variables de interés. El propósito de esta investigación fue evaluar la eficiencia de diseños experimentales con diferente grado de complejidad y el ajuste de modelos espaciales, temporales y espacio-temporales en experimentos con diferentes cultivos, buscando evitar sesgos en las estimaciones de varianza y un control adecuado de la tasa empírica de error de tipo 1. Los resultados más relevantes de este trabajo muestran que cuando la heterogeneidad del terreno experimental es alta y el tamaño del experimento es grande, la elección del diseño experimental se vuelve esencial para obtener estimaciones precisas y con mayor exactitud. Una vez elegido el diseño experimental, la modelización espacial de la correlación entre unidades experimentales mejora aún más el desempeño del diseño elegido. Estas mejoras pueden estar acompañadas de errores estándar insesgados y un correcto control de la tasa de error empírica de tipo 1, dependiendo en gran medida del modelo elegido para estimar la correlación espacial de la variable de respuesta. Adicionalmente, cuando el número de repeticiones es alto, se pueden obtener buenos resultados más allá del modelo espacial preferido. Por otro lado, cuando se incluyen correlaciones espaciales intraparcelarias, la ventaja del uso de modelos espaciales no es tan clara. En el caso de parcelas en ensayos forestales, la inclusión de la correlación espacial entre árboles de una misma parcela significó grandes incrementos en la precisión de las comparaciones entre medias de tratamientos, lo que logró reducciones del error estándar de la diferencia de medias de hasta 40 %. Sin embargo, en ensayos sobre campo natural con parcelas de gran tamaño, las ventajas casi no se evidenciaron. Estas diferencias entre ensayos pueden deberse a la escala a la cual se manifiestan esas correlaciones espaciales, al número de submuestras por parcela y al efecto de los tratamientos sobre la distribución espacial de las variables de interés.