更正：（空间）记忆游戏：检验空间语言、物体知识与空间认知之间的关系

摘要

使用多层模型（MLM）进行分析： 已发布更正声明： 空间记忆游戏：检验空间语言、物体知识与空间认知之间的关系。实验方案 已更新。

摘要

使用多水平模型（MLM）进行分析：已发布更正声明，针对： 空间记忆游戏：检验空间语言、物体知识与空间认知之间的关系。实验方案 已更新。

方案第4节已从以下内容更新：

4. 分析

1. 语言版本（第3.1节）
   1. 计算每个变量组合下指示性用法的百分比。
   2. 使用混合型方差分析（ANOVA）对数据进行分析，其中包含组内变量（例如，距离、所有权、熟悉度、可见性、指令语言、同种个体的位置）和组间变量（例如，性别）^1,13。
2. 记忆版本（第3.2节）：
   1. 计算实际位置与回忆位置之间差异的绝对值（单位为 mm，负值表示物体被回忆得更近），针对所有试验进行该计算，然后对实验设计中每个单元格的差异值取平均。
   2. 使用混合型方差分析（ANOVA）对数据进行分析，其中包含组内变量（例如，距离、所有权、熟悉度、可见性、指令语言、同种个体的位置）和组间变量（例如，性别）^13,14。

至：

4. 使用多水平模型（MLM）进行分析

1. 识别设计中各个单元格内可能存在的零值，因为这些零值可能导致统计分离^6,7
2. 使用 Satterthwaite 近似法^8,9 计算混合线性模型（MLM）中的有效自由度。
3. 对交互项采用向后逐步法，以剔除不显著的最高阶交互项：
   1. 若某一高阶交互项显著，则保留其对应的所有低阶交互项。
   2. 每次迭代后，通过分类表、系数和主效应仔细核对模型的变化。
   3. 使用 AIC 判断当前模型相对于前一次迭代的效率¹⁰。
4. 重复步骤 3，直至获得一个包含所有主效应、所有显著的（高阶）交互项（如有），以及相关低阶交互项（无论是否显著）的最终模型。

更新：请在 doi: https://osf.io/wnj2v/ 查阅本出版物中替代第4节的更新分析的更多信息

方案

使用多水平模型（MLM）进行分析：已发布更正声明，针对： 空间记忆游戏：检验空间语言、物体知识与空间认知之间的关系。实验方案 已更新。

方案的第4节已从以下内容更新：

4. 分析

1. 语言版本（第 3.1 节）
   1. 计算每个变量组合下指示词使用的百分比。
   2. 使用混合型方差分析（ANOVA）对数据进行分析，其中包含组内变量（例如，距离、所有权、熟悉度、可见性、指导时使用的语言、同种个体的位置）和组间变量（例如，性别）^1,13。
2. 记忆版本（第 3.2 节）：
   1. 计算实际位置与回忆位置之间差异的绝对值（单位为 mm，负值表示物体被回忆得更近），针对所有试验进行该计算，然后对实验设计中每个单元格的差异值取平均。
   2. 使用混合型方差分析（ANOVA）对数据进行分析，其中包含组内变量（例如，距离、所有权、熟悉度、可见性、指导时使用的语言、同种个体的位置）和组间变量（例如，性别）^13,14。

至：

4. 使用多水平模型（MLM）进行分析

1. 识别设计中各个单元格内可能存在的零值，因为这些零值可能导致统计分离^6,7
2. 使用 Satterthwaite 近似法^8,9 计算混合线性模型（MLM）中的有效自由度。
3. 对交互项采用向后逐步法，以剔除不显著的最高阶交互项：
   1. 若某一高阶交互项显著，则保留其对应的所有低阶交互项。
   2. 每次迭代后，通过分类表、系数和主效应仔细核对模型的变化。
   3. 使用 AIC 评估当前模型相对于前一次迭代的效率¹⁰。
4. 重复步骤 3，直至获得一个包含所有主效应、所有显著的（高阶）交互项（如有），以及相应低阶交互项（无论是否显著）的最终模型。

更新：请在 doi: https://osf.io/wnj2v/ 查阅本出版物中替代第4节的更新分析的更多信息