4平均数比较3

四、二因素方差分析
（一）二因素随机测量方差分析
用同一套题目对5、6 年级小学生进行了一次阅读测验，每个年级男女生人数相等。

如果对测验分数进行二因素随机测量方差分析（two-way analysis of variance with random measures on two factors test）就能做出如下方面的统计判断：不同年级学生的分数是否不同，不同性别学生的分数是否不同，低年级的男生或者女生的分数是否比高年级的女生或者男生高。

完成关于年级、性别这两个因素对测验分数影响的考察。

性别变量有两个水平，分别为男生和女生；年级变量有两个水平，分别为5年级和6
年级。

方差分析将得出三个方面的结果：不同的性别变量水平下的测验分数是否有显著不同，即，性别因素主效应（main effect）是否显著；不同的年级变量水平下的分数是否有显著不同，即，年级因素主效应是否显著；不同性别变量水平和不同年级变量水平下的分数是否有显著不同的变化趋势，即，性别因素和年级因素的交互作用（interaction effect）是否显著。

因此，所谓主效应是指某自变量变化对因变量变化的影响效果；所谓交互作用是指两个或多个自变量对因变量变化的交叉影响效果。

不同变量水平数的积决定了处理（treatment）数，即，因变量测量分数需要构成的样本数。

对于这里的举例来说，性别变量的水平数和年级变量的水平数的乘积为4，将得到4
种处理下的分数—4 个样本：5 年级男生的分数、5 年级女生的分数、6 年级男生的分数和6年级女生的分数。

与之对应的二因素随机测量方差分析就是对这4个互不相关的样本进行平均数比较。

每个样本的平均数叫做处理平均数（cell mean），而样本按自变量水平进行组合，每个变量水平下的平均数叫做变量水平平均数（marginal mean）。

如果分析结果表明两个或某一个变量主效应显著而交互作用不显著，则要报告其变量水平平均数；如果变量交互作用显著，那么不论有没有变量主效应都要做进一步分析，叫做简单效应分析（analysis of simple effect），得到具体哪两个处理平均数之间有显著性差异的结果。

二因素随机测量方差分析中，主效应第一自由度为相应变量水平数减1，交互作用的第一自由度为两个主效应的第一自由度的积。

主效应和交互作用的第二自由度都是总自由度（所有样本大小之和减1）减两个主效应的第一自由度和交互作用的第一自由度。

如果各样本大小均为n，第一个变量的水平数为p，第二变量的水平数为q，那么各效应的第一、二自由度如表2-11 所示。

表2-11 二因素随机测量方差分析两个主效应和一个交互作用的第一、二自由度
第一个自变量主效应第一自由度p-1
第二个自变量主效应第一自由度q-1
两个自变量交互作用第一自由度(p-1)(q-1)
各主效应和交互作用第二自由度pq(n-1)
对于主效应和交互作用，其效应大小为相应的平均数差异能够解释所有分数与总平均数的总差异的比例，用R2或η2表示。

效应大小、统计效力和不同设计下每个样本计划大小的关系如表2-12 所示。

表2-12 在0.05 显著性水平上达到80% 的统计效力的设计类型、效应大小和每个样本计划大小的关系自变量的水平数效应类型效应大小样本大小下限
两个自变量水平数均为2 各变量主效应及其交小（0.01）197
互作用中（0.06）33
大（0.14）14
一个自变量水平数均为2另一个自变量水平数为3 水平数为2的自变量
主效应
小（0.01）132
中（0.06）22
大（0.14）9 水平数为3的自变量
主效应及两自变量的
交互作用
小（0.01）162
中（0.06）27
大（0.14）11
例如，对于一个自变量水平数为2另一个为自变量水平数3的设计，如果预测水平数为3的自变量主效应的有最大效应，水平数2的自变量主效应和交互作用有中等效应，要在0.05 显著性水平达到80% 的统计效力，那么，对于水平数3的自变量的每个水平下需要获得至少11 个分数，对于水平数2的自变量的每个水平下需要获得至少22 个分数，对于交互作用需要每个处理下获得27 个分数。

因此，必须保证每个处理获得27 个分数，6 个处理共27×6=162 个分数，所以该设计至少共需要162 个被试。

【二因素随机测量方差分析·例1】
三个班共105 名学生参加了一次英语考试（满分为125 分），成绩如表2-13 所示。

问，不同班级不同性别学生的考试成绩是否差异显著。

表2-13 不同班级不同性别学生考试成绩
一班二班三班
编号性别分数编号性别分数编号性别分数
1 男98 1 男84 1 男84
2 女106 2 女75 2 女92
3 女107 3 女80 3 女100
………………………
33 男90 39 男101 33 男79
表2-13-1 不同班级不同性别学生考试成绩的SPSS 表格结构
注：“classId”的3个水平值“1”、“2”、和“3”分别代表一班、二班和三班；“gender”的2个水平值“1”和“2”分别代表男生和女生。

〖操作〗假设不同班级之间成绩差异不显著，不同性别之间成绩差异不显著，班级和性别之间没有交互作用。

造SPSS 表格如表2-13-1 所示，保存为twoWayAnova1.sav。

执行Analyze → General Linear Model → Univariate，系统将弹出单因变量方差分析主窗口（Univariate），如图2-6 所示。

点击左侧变量列表中
的，点击最上边的，则将出现在下方的方框中；
点击左侧变量列表中的和，点击从上往下的第二个，和将出现在
下的自变量列表中，如图2-6-1 所示。

图2-6 二因素随机测量方差分析主窗口1
图2-6-1 二因素随机测量方差分析主窗口2
对于二因素方差分析通常要画出各处理水平下平均数线形图。

因此，点击，系统将弹出线形
图坐标设置子窗口（Univariate: Profile Plots），如图2-6-2 所示。

点击，然后，点击最上边的，
将出现在下的中。

点击，点击从上往下的第二个，将出
现在下的中，系统将根据变量的水平数在同一坐标系内提供相应
数目的因变量平均数随变化而变化的线形图。

点击，完成设置，如图2-6-3 所示。

点击，退出线形图坐标设置子窗口。

图2-6-2 单因变量线形图：横坐标、不同线段和不同线形图变量设置子窗口1
图2-6-3 单因变量线形图：横坐标、不同线段和不同线形图变量设置子窗口2 因为自变量classId 的水平数大于2，因此有必要该变量的变量水平平均数进行多重比较，所以，点
击，系统将弹出主效应事后检验多重比较子窗口（Univariate: Post Hoc Multiple Comparisons for
Observed Means），如图2-6-4 所示。

选中左侧自变量列表中的，点击，将出现在
下的变量列表中。

选中某种（或者几种）平均数两两比较运算方法，如，如图
2-6-5 所示。

点击，退出该子窗口。

图2-6-4 多因素方差分析：被试间变量事后检验方法选项设置子窗口1
图2-6-5 多因素方差分析：被试间变量事后检验方法选项设置子窗口2
点击，系统将弹出统计量选项子窗口（Univariate: Options），如图2-6-6 所示。

首先，选中
下的主效应和交互作用名称、和，点击
，则、和将出现下的列表中，系统将提供相应的主效
应和交互作用的对应平均数列表。

然后，在标签下的许多选项中，选定、
、和，系统将分别提供因变量在各处理下的平均数和标准差、方差分析的效应大小估计、观测统计效力和各处理下因变量分数的方差齐次性检验结果，
如图2-6-7 所示。

点击，退出该子窗口。

点击。

图2-6-6 多因素方差分析：统计量选项设置子窗口1
图2-6-7 多因素方差分析：统计量选项设置子窗口2
〖结果与解释〗
表Discriptives Statsitcs 显示了各处理水平上因变量的平均数和标准差等描述性统计结果。

如第一行信息表明，一班男生的平均数和标准差分别为103.95 和18.14，一班女生的平均数和标准差分别为106.85和13.01。

表Test of Homogeneity of variance 显示，方差齐次性检验结果表明，不同处理条件下因变量对应分数的方差有显著性差异。

表Tests of Between-Subjects Effects 是主要分析结果。

表中可以看出，classId 的主效应边缘显著，F值为2.842，第一自由度（df1）为2，第二自由度（df2）为99，显著性水平为0.063；gender 的主效应不显著，F值为1.425，第一自由度（df1）为1，第二自由度（df2）为99，显著性水平为0.235；classId×gender 的交互作用不显著，F值为2.162，第一自由度（df1）为2，第二自由度（df2）为99，显著性水平为0.121。

Partial Eta Squared 栏列出了各效应对应的R2分别是0.054、0.014 和0.042。

表classId和表gender 分别列出了因变量在自变量classId 不同水平下的变量水平平均数、gender 的各变量水平平均数。

表Multiple Comparisons 显示，一班和三班之间的平均数差异达到显著性水平。

图Estimated Marginal Means of score 表明，就女生而言，因变量score 随班级不同而不同：一班成绩最高，三班最低，二班居中。

就男生而言，不同班级成绩似乎没有太大差异。

虽然表Tests of Between-Subjects Effects 显示，性别和班级的交互作用不显著，但是，图Estimated Marginal Means of score 明确表明，三班不同性别的分数变化和二班有交叉，因此，不妨进行简单效应分析。

自变量 classId 和 gender 分别有3个水平和2个水平，需要作如下共 3+2=5 项简单效应分析：对一班（即，当 classId=1 的时候）男女生成绩（gender=1 和 gender=2 对应的因变量 score 的分数）进行独立样本t检验；对二班男女生成绩进行独立样本t检验；对三班男女生成绩进行独立样本t检验；对不同班级女生进行单因素方差分析；对不同班级男生进行单因素方差分析。

〖操作〗
(1)选择gender=1 条件下的观测分数，对不同班级男生的成绩进行单因素方差分析，结果如下：
表ANOVA 表明，各班男生成绩之间总体上没有显著性差异。

（2）选择gender=2 条件下的观测分数，对不同班级女生的成绩进行单因素方差分析，结果如下：
表ANOVA 表明，各班女生成绩之间总体上存在显著性差异。

事后LSD 分析表明，一班和三班女生的成绩之间存在显著性差异。

（3）选择classId=1 条件下的观测分数，对一班男女生的成绩进行独立样本t检验，结果表明，一班男女生的成绩差异不显著。

（4）选择classId =2 条件下的观测分数，对二班男女生的成绩进行独立样本t检验，结果表明，二班男女生的成绩差异不显著。

（5）选择classId=3 条件下的观测分数，对三班级男女生的成绩进行独立样本t检验，结果表明，三班男生的成绩显著高于女生。

〖结果报告〗
不同班级不同性别学生考试成绩如表2-13-2 所示。

对学生成绩进行３（班级：一班、二班和三班）×２（性别：男生和女生）二因素随机测量方差分析表明，班级主效应边缘显著，F(2，99)=2.842，p=0.063，。

事后LSD 检验表明，一班（105.40）和三班（96.78）的成绩差异显著，p<0.05。

虽然班级和性别的交互作用没有达到显著性水平，但是，各处理水平下测验分数平均数的线形图显示，不同班级的男女生平均数变化趋势有明显的交叉趋向，因此，简单效应分析表明，三班男女生成绩平均数差异显著，t(31)=2.121，p<0.05，男生成绩高于女生。

不同班级女生成绩之间存在显著性差异，F(2，38)=3.430，p<0.05，，事后LSD 检验表明，三班女生显著低于一班女生的考试成绩，p<0.05。

表2-13-2 不同班级不同性别学生考试成绩
班级性别成绩（M±SD）
男生105.95±18.14
一班
女生106.85±13.00
男生100.00±12.31
二班
女生98.46±11.82
男生102.83±10.68
三班
女生90.73±21.23
【二因素随机测量方差分析·例2】
假设有30 个常见事物概念词。

母语为汉语的30 名一年级、母语为汉语的30 名二年级、母语为英语的30 名一年级和母语为英语的30 名二年级大学生分别用自己的母语学习记忆然后自由回忆这30 个概念词。

学生的自由回忆准确率如表2-14 所示。

问不同年级不同母语大学生概念词记忆和自由回忆准确率是否不同。

表2-14 不同母语不同年级大学生对概念词记忆和自由回忆准确率
英语一年级汉语一年级英语二年级汉语二年级
0.30 0.25 0.30 0.50
0.30 0.35 0.60 0.30
0.50 0.35 0.40 0.40
…………
0.40 0.60 0.60 0.50
表2-14-1 不同母语不同年级大学生对概念词记忆和自由回忆准确率的SPSS 表格结构
注：stdnt 代表不同母语（英语、汉语）大学生；Grd 代表大学生的不同年级（一、二年级）；accrc 表示学生自由回忆准确率。

〖操作〗造SPSS 表如表2-14-1 所示，保存为twoWayAnova1_2.sav，其他同上。

〖结果与解释〗
表Tests of Between-Subjects Effects 表明，Grd 的主效应不显著，stdnt 的主效应不显著，但是，Grd×stdnt 的交互作用显著，F值为9.666，第一自由度（df1）为1，第二自由度（df2）为116，显著性水平为0.002。

图Estimated Marginal Means of accrc 显示，两条线段几乎垂直交叉。

因此，需要进行简单效应分析。

（1）对不同母语一年级大学生概念词自由回忆准确率进行独立样本t检验，获得结果如下：
（2）对不同母语二年级大学生概念词自由回忆准确率进行独立样本t检验，获得结果如下：
（3）对不同年级汉语大学生概念词自由回忆准确率进行独立样本t检验，获得结果如下：
（4）对不同年级英语大学生概念词自由回忆准确率进行独立样本t检验，获得结果如下：
〖结果报告〗
不同母语不同年级大学生概念词的记忆和自由回忆准确率如表2-14-2 所示。

对大学生概念词的记忆和自由回忆准确率进行２（被试母语：汉语和英语）×２（年级：一年级和二年级）二因素随机测量方差分析表明，被试母语主效应和年级主效应均不显著，但是被试母语和年级交互作用显著，F(1，116)=9.666，p<0.001，R2=0.077。

简单效应分析表明，一年级母语为英语大学生的自由回忆准确率显著低于二年级母语为英语大学生的自由回忆准确率，t(58)=-2.883，p<0.01；一年级母语为汉语大学生的自由回忆准确率显著高于一年级母语为英语大学生的自由回忆准确率，t(58)=-2.392，p<0.02；二年级母语为英语大学生的自由回忆准确率趋于低于二年级母语为汉语大学生的自由回忆准确率，t(58)=-1.988，p=0.052。

表2-14-2 不同母语不同年级大学生概念词记忆和自由回忆准确率
年级母语成绩（M±SD）
汉语0.57±0.18
一年级
英语0.46±0.17
汉语0.51±0.11
二年级
英语0.59±0.19
【二因素随机测量实验设计及方差分析·例】
对于【独立样本平均数t 检验·例2】中的问题，如果同时考虑性别因素的影响，那么，不同听力状态和不同性别被试是否有不同的分类学联系意识呢？实验假设如下：如果青少年聋生的分类学联系意识比听生弱，那么，他们的反应时将比听生长；如果不同性别青少年的分类学联系意识有所不同，那么，其反应时就会因性别不同而不同。

根据上述假设，不同性别的聋生和不同性别的听生对同样的实验材料进行分类学联系概念成员归类判断。

所有被试对16 套刺激进行判断反应，即，对每个被试获得16 个反应时数据。

假定实验数据分析将获得较大效应，那么，因变量在各处理水平上的预期分数量如表2-15 所示。

表2-15 不同听力状态不同性别各30 名被试概念成员序列判断任务中反应时观测设计
听力状态性别原始观测分数数量预处理后观测分数数量
男生30×16 30
聋生
女生30×16 30
听生男生30×16 30
女生30×16 30
实验设计：采用2（听力状态：聋生和听生）×2（性别：男生和女生）两因素混合测量设计。

听力状态和性别为自变量，因变量为反应时。

被试：从某聋校随机抽取30 名青少年聋生男生和30 名青少年聋生女生，从某普通中学随机抽取30 名男生和30 名女生。

材料：略。

过程：略。

结果：对被试反应时数据进行预处理后得实验数据如表2-15-1 所示。

表2-15-1 不同听力状态不同性别青少年分类学联系概念成员归类判断反应时（ms）
编号聋生(男) 编号聋生(女) 编号听生(男) 编号听生(女)
1 775.13 1 828.80 1 593.60 1 682.87
2 698.47 2 818.3
3 2 601.53 2 573.07
3 704.93 3 689.20 3 764.07 3 656.13
……………………
30 766.13 30 612.73 30 615.87 30 507.20
表2-15-2 不同听力状态不同性别青少年分类学联系概念成员归类判断反应时（ms）的SPSS 表格结构
注：“studentId”代表被试编号；“hrngStts”代表被试听力状态，分数值“1”表示听生，“2”表示聋生；“gender”的分数值“1”代表男生，“2”代表女生；“rctnTm”表示反应时。

〖操作〗假设不同听力状态被试反应时平均数没有显著性差异；不同性别被试反应时平均数没有显著性差异，听力状态和性别之间交互作用不显著。

造SPSS 表格如表2-15-2 所示，保存为twoWayAnova2.sav。

操作同上。

〖结果与解释〗
不同听力状态不同性别青少年学生分类学联系概念成员归类判断反应时结果如表
2-15-3 所示。

对青少年学生分类学联系概念成员归类判断反应时进行2（听力状态：聋生和听生）×2（性别：男生和女生）二因素随机测量方差分析表明，听力状态主效应、性别主效应以及听力状态和性别交互作用均不显著。

表2-15-3 不同听力状态不同性别青少年学生分类学联系概念成员归类判断反应时（ms）
听力状态性别反应时（M±SD）
男生643.55±81.15
聋生
女生676.94±110.98
男生636.77±82.60
听生
女生649.03±101.88
讨论：略。

（二）二因素重复测量方差分析
某部分小学生连续接受了4次阅读测验，测验材料互不相同：文章主题不熟悉而且生字密度大、文章主题不熟悉但生字密度小、文章主题熟悉而且生字密度小和文章主题熟悉但生字密度大，得到了4个样本。

该项研究中，两个自变量分别是主题熟悉性和生字密度，因变
量是测验分数。

主题熟悉性有两个水平，熟悉和不熟悉；生字密度也有两个水平，生字密度大和生字密度小。

主题熟悉性和生字密度都是重复变量，也就是说，每个被试接受4次测量中，实际上是接受了这两个变量共4个处理水平下的处理。

借助于SPSS 对获得分数进行二因素重复测量方差分析（two-way analysis of variance with repeated measures on two factors test）可以获得主题熟悉性主效应、生字密度主效应、以及主题熟悉性和生字密度交互作用。

二因素重复测量方差分析中如果两个自变量的水平数分
别为p和q，被试人数为n，那么，两个自变量主效应及其交互作用的第一、二自由度如表2-16 所示。

表2-16 二因素重复测量方差分析各主效应和交互作用第一、二自由度
第一个因素的主效应第一自由度p-1
第二个因素的主效应第一自由度q-1
两因素交互作用的第一自由度(p-1)(q-1)
第一个因素的主效应第二自由度(p-1)(n-1)
第二个因素的主效应第二自由度(q-1)(n-1)
两因素交互作用的第二自由度(p-1)(q-1)(n-1)
相应效应大小、统计效力和不同设计下样本计划大小与二因素随机测量方差分析的情况相同，因为重复测量降低了被试间差异可能性，样本大小相当于二因素随机测量设计的四分之一。

【二因素重复测量方差分析·例1】
有一项研究考察大学生在汉语和英语两种语言形式下对分类学联系和主题关联两种概念联系的敏感性。

研究者选定30 个常见概念类别，每个类别中选取两个典型性1较高的概念成员，获得60 个有分类学联系的中文概念词，并把他们翻译成英语对等词。

另外选定30 对常见概念词（每对概念词之间存在主题关联联系），并把它们翻译成英语对等词。

要求10名普通大学生分组学习记忆这些以不同语言形式呈现体现两种概念联系的概念词，并进行自由回忆。

自由回忆准确率为考察指标，获得数据如表2-17 所示。

问大学生的记忆成绩是否受不同语言呈现条件和不同类型概念联系的影响。

表2-17 10名大学生对不同语言形式呈现体现不同概念联系的概念词的自由回忆准确率
汉语英语
学生编号
分类学联系主题关联分类学联系主题关联
1 0.34 0.34 0.09 0.09
2 0.40 0.40 0.14 0.14
3 0.3
4 0.34 0.09 0.09
……………
10 0.44 0.53 0.32 0.26
1分类学联系概念的重要特征之一是典型性。

高典型性概念比低典型性概念更有代表性。

例如，“衬衫”比“帽子”更能够代表“衣物”这个概念类别。

表2-17-1 10名大学生对不同语言形式呈现体现不同概念联系的概念词的自由回忆准确率的SPSS 表格结
构
注：thmC 和txC 分别代表被试对汉语呈现条件下主题关联和分类学联系概念词的自由回忆准确率，thmE 和txE 分别代表被试对英语呈现条件下主题关联和分类学联系概念词的自由回忆准确率。

〖操作〗假设概念词语言呈现形式对被试的自由回忆准确率没有显著影响，概念词之间的概念联系类型对被试的自由回忆准确率没有显著影响，语言形式和概念联系的交互作用不显著。

造SPSS 表格如表
2-17-1 所示，保存为twoWayRptdAnova10.sav。

执行Analyze → General Linear Model → Repeated Measures，系统将弹出重复测量方差分析因素定义窗口（Repeated Measures Define Factors），如图2-7 所示。

该研究问题有两个重复因素，分别是各有2个水平的语言形式和概念联系，不妨分别命名为Language
和CategoryRelation。

要完成这两个重复测量因素的定义，须点击下的因素
名称输入框，把默认的因素名factor1 改为第一个因素名Language，在
旁边的方框中输入相应因素的水平数2，点击，完成第一因素的定义。

同样，完成第二因素的定义，如图2-7-1 所示。

图2-7 重复测量因素命名和水平数定义设置窗口1
图2-7-1 重复测量因素命名和水平数定义设置窗口2
完成重复测量因素名（被试内变量名）和各因素水平数的定义后，定义各个处理水平，设置每个处理
水平与表格变量的一一对应关系。

点击，系统将进入重复测量方差分析主窗口（Repeated Measures），
如图2-7-2 所示。

该定义窗口中下一行字的括号里面列有刚刚定义的被试内变量
名：第一个被试内变量名是Language，第二个是CategoryRelation。

图2-7-2 重复测量因素各处理水平设置子窗口1
图2-7-3 重复测量因素各处理水平设置子窗口2
在下边的列表框里以“？”的形式列出了等待设置的处理水平。

例如，
中，括号里“，”左边的“1”是指第一个变量（Language）的第一个水平，“，”右边的“1”是指第二个
变量（CategoryRelation）的第一个水平，因此，的意思是“第一个变量的第一个水平和第二个变量的第一个水平构成的处理所对应的表格变量名是什么啊？”同样，的意思是“第一个变量的第一个水平和第二个变量的第二个水平构成的处理所对应的表格变量名是什么啊？”两个重复测量变量各有2个水平，需要定义4个处理水平。

在左边表格变量名列表中选一个代表第一个处理水平的表格变量名，（对应语言因
素的第一个水平和概念联系因素的第一个水平构成的处理），点击最上边的，则变成了。

同样，完成其他三个处理水平的设置，如图2-7-2 所示。

和二因素随机测量方差分析相似，点击，完成线形图坐标设置。

点击，完成统计量
选项设置。

因为是重复测量，不需要对不同样本进行方差齐次性检验，所以不要选中。

点击，完成重复测量方差分析设置。

系统提供了大量统计结果。

尤其是在推断性统计方面，有许多重复性信息。

这里只解释主要结果。

〖结果与解释〗
表Discriptives Statsitcs 显示了各处理水平下因变量的平均数和标准差等描述性统计信息。

表Tests of Within-Subjects Effects 是主要的方差分析结果。

从Sig. 列可以看出，Language和CategoryRelation的主效应均显著，它们的的交互作用也显著。

因为Language 和CategoryRelation 的交互作用显著，所以必须进行简单效应分析。

在Language 的汉语概念词呈现水平上，对被试不同类型联系概念词的自由回忆准确率进行配对t检验，结果如下：
在Language 的英语概念词呈现水平上，对被试不同类型联系概念词的自由回忆准确率进行配对t检验，结果如下：
在CategoryRelation 的主题关联水平上，对被试不同语言形式呈现概念词的自由回忆准确率进行配对t检验，结果如下：
在CategoryRelation 的分类学联系水平上，对被试不同语言形式呈现概念词的自由回忆准确率进行配对t检验，结果如下：
〖结果报告〗
普通大学生对不同语言形式呈现体现不同类型联系概念词的自由回忆准确率如表
2-17-2 所示。

对大学生概念词的记忆和自由回忆准确率进行2（语言形式：汉语和英语）×2（概念联系：分类学联系和主题关联联系）二因素重复测量方差分析表明，语言形式主效应显著，F(1，9)=359.375，p<0.001，R2=0.976；概念联系主效应显著，F(1，9)=11.980，p<0.01，。