©2010-2026 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
1、三因素实验设计 对三因素重复测量实验设计进行数据处理 一、 三因素完全随机实验设计数据处理 过程： 1、 打开SPSS软件，点击Data View ，进入数据输入窗口，将原始数据输入SPSS表格区域； 2、 在菜单栏中选择分析→一般线性模型→单变量； 3、 因变量Dependent Variable方框中放入记忆成绩（JY），固定变量（Fixed Factor(s)）方框中，放入自变量记忆策略、有无干扰和材料类型； 4、点击选项（Options）按钮，选择Descriptive statistics，对数据进行描述性统计；选择Homogeneity tests，进行方差齐
2、性检验； 5.结果分析： 描述性统计量 因变量:记忆成绩 记忆策略 有无干扰 材料类型 均值 标准 偏差 N 联想策略 dimension2 无干扰 实物图片 13.0000 1.58114 5 图形图片 8.0000 1.58114 5 总计 10.5000 3.02765 10 有干扰 实物图片 5.4000 2.07364 5 图形图片 4.6000 .89443 5 总计 5.0000 1.56347 10 总计 实物图片 9.2000 4.36654 10 图形图片 6.3000 2.16282
3、 10 总计 7.7500 3.66886 20 复述策略 dimension2 无干扰 实物图片 6.8000 1.30384 5 图形图片 7.2000 1.30384 5 总计 7.0000 1.24722 10 有干扰 实物图片 4.0000 1.00000 5 图形图片 2.8000 .83666 5 总计 3.4000 1.07497 10 总计 实物图片 5.4000 1.83787 10 图形图片 5.0000 2.53859 10 总计 5.2000 2.16673 20 总计 d
4、imension2 无干扰 实物图片 9.9000 3.54181 10 图形图片 7.6000 1.42984 10 总计 8.7500 2.88143 20 有干扰 实物图片 4.7000 1.70294 10 图形图片 3.7000 1.25167 10 总计 4.2000 1.54238 20 总计 实物图片 7.3000 3.79889 20 图形图片 5.6500 2.39022 20 总计 6.4750 3.24225 40 方差齐性检验结果：P=0.278>0.05所以各组数据方差齐性。 误差
5、方差等同性的 Levene 检验a 因变量:记忆成绩 F df1 df2 Sig. 1.309 7 32 .278 检验零假设，即在所有组中因变量的误差方差均相等。 a. 设计 : 截距 + A + B + C + A * B + A * C + B * C + A * B * C 被试间变量效应检验结果：A、B、C的主效应均极显著（P<0.01）；AB 交互效应显著；AC 交互效应极显著；BC 交互效应不显著；ABC 交互效应极显著。对于二阶与三阶交互效应显著的，还需进行简单效应与简单简单效应检验。 主体间效应的检验 因变量:记忆成绩 源 III 型平
6、方和 df 均方 F Sig. 校正模型 349.175a 7 49.882 26.254 .000 截距 1677.025 1 1677.025 882.645 .000 A 65.025 1 65.025 34.224 .000 B 207.025 1 207.025 108.961 .000 C 27.225 1 27.225 14.329 .001 A * B 9.025 1 9.025 4.750 .037 A * C 15.625 1 15.625 8.224 .007 B * C 4.
7、225 1 4.225 2.224 .146 A * B * C 21.025 1 21.025 11.066 .002 误差 60.800 32 1.900 总计 2087.000 40 校正的总计 409.975 39 a. R 方 = .852（调整 R 方 = .819） 简单效应检验： 在主对话框中，单击Paste按钮，SPSS会把原先的全部操作转换成语句并粘贴到新打开的程序语句窗口中，在命令语句中加入EMMEANS引导的语句； 结果：当被试使用联想策略进行记忆时，无干扰条件的记忆成绩极显著优于有
8、干扰条件的记忆成绩；当被试使用复述策略进行记忆时，无干扰条件的记忆成绩也极显著优于有干扰条件的记忆成绩。当被试使用联想策略进行记忆时，实物图片的记忆成绩极显著优于图形图片的记忆成绩；当被试使用复述策略进行记忆时，实物图片与图形图片的记忆成绩无显著差异。 简单简单效应检验： 结果：所以a,b,c有显著差异。 二、 重复测量一个因素的三因素混合实验设计数据处理 过程： 1. Data View ，进入数据输入窗口，将原始数据输入SPSS表格区域 2. Analyze → General Linear Model → Repeated Measures（在
9、菜单栏中选择分析→一般线性模型→重复变量） 3. 在定义被试内变量（Within-Subject Factor Name）的方框中，设置被试内变量标记类型，在定义其水平（Number of Level）的对框中，输入3，表示有两个水平，然后按填加（Add）钮。 4.按定义键（Define），返回重复测量主对话框，将b1、b2、b3选入被试内变量（Winthin-Subjects Variables）方框中，将a、c选入被试间变量框中。 5.点击选项Options，进行如下操作： ①将被试内变量b（三个水平）键入到右边的方框中，采用[LSD（none）]法
10、进行多重比较， ②选择Descriptive statistics命令，对数据进行描述性统计。 选择Homogeneity tests进行方差齐性检验。 6. 单击continue选项，返回主对话框，点击OK，执行程序。 7. 结果：一元方差分析：标记类型主效应显著，F=37.022，P=0.009；句长类型主效应检验，因其满足球形假设，故参见每项检验的第一行SphericityAssumed的结果，即，F=47.79，P=.000，表明b变量主效应极其显著；a与b的交互效应检验。因其满足球形假设，故参见标准一元方差分析的结果，即F=34.02，P=.001，表明a与b的交互效
11、应极显著。 多重比较：长句与中句之间差异极其显著（P=0.003）；长句与短句之间差异极其显著（P=0.000）；中句与短句之间差异也极其显著（P=0.002）。 描述性统计量 有无干扰 显示时间 均值 标准 偏差 N 实物图片 dimension1 无干扰 dimension2 30秒 14.2500 .95743 4 15秒 9.7500 1.70783 4 总计 12.0000 2.72554 8 有干扰 dimension2 30秒 5.2500 .95743 4 15秒 6.5000 1.29099 4 总计
12、 5.8750 1.24642 8 总计 dimension2 30秒 9.7500 4.89168 8 15秒 8.1250 2.23207 8 总计 8.9375 3.76774 16 数字图片 dimension1 无干扰 dimension2 30秒 8.5000 1.29099 4 15秒 7.5000 1.29099 4 总计 8.0000 1.30931 8 有干扰 dimension2 30秒 10.2500 1.70783 4 15秒 5.5000 1.29099 4 总计 7.8750
13、 2.90012 8 总计 dimension2 30秒 9.3750 1.68502 8 15秒 6.5000 1.60357 8 总计 7.9375 2.17466 16 符号图片 dimension1 无干扰 dimension2 30秒 7.0000 .81650 4 15秒 5.7500 1.70783 4 总计 6.3750 1.40789 8 有干扰 dimension2 30秒 6.7500 .95743 4 15秒 2.7500 .95743 4 总计 4.7500 2.31455 8
14、 总计 dimension2 30秒 6.8750 .83452 8 15秒 4.2500 2.05287 8 总计 5.5625 2.03204 16 协方差矩阵等同性的 Box 检验a Box 的 M 26.278 F .749 df1 18 df2 508.859 Sig. .760 检验零假设，即观测到的因变量的协方差矩阵在所有组中均相等。 a. 设计 : 截距 + a + c + a * c 主体内设计: b 多变量检验b 效应 值 F 假设 df 误差 df Sig. b Pillai 的
15、跟踪 .803 22.413a 2.000 11.000 .000 Wilks 的 Lambda .197 22.413a 2.000 11.000 .000 Hotelling 的跟踪 4.075 22.413a 2.000 11.000 .000 Roy 的最大根 4.075 22.413a 2.000 11.000 .000 b * a Pillai 的跟踪 .822 25.414a 2.000 11.000 .000 Wilks 的 Lambda .178 25.414a 2.000 11.000 .000 Ho
16、telling 的跟踪 4.621 25.414a 2.000 11.000 .000 Roy 的最大根 4.621 25.414a 2.000 11.000 .000 b * c Pillai 的跟踪 .169 1.117a 2.000 11.000 .362 Wilks 的 Lambda .831 1.117a 2.000 11.000 .362 Hotelling 的跟踪 .203 1.117a 2.000 11.000 .362 Roy 的最大根 .203 1.117a 2.000 11.000 .362 b *
17、 a * c Pillai 的跟踪 .752 16.698a 2.000 11.000 .000 Wilks 的 Lambda .248 16.698a 2.000 11.000 .000 Hotelling 的跟踪 3.036 16.698a 2.000 11.000 .000 Roy 的最大根 3.036 16.698a 2.000 11.000 .000 a. 精确统计量 b. 设计 : 截距 + a + c + a * c 主体内设计: b 主体内效应的检验 度量:MEASURE_1 源 III 型平方和
18、df 均方 F Sig. b 采用的球形度 96.167 2 48.083 29.974 .000 Greenhouse-Geisser 96.167 1.902 50.549 29.974 .000 Huynh-Feldt 96.167 2.000 48.083 29.974 .000 下限 96.167 1.000 96.167 29.974 .000 b * a 采用的球形度 78.000 2 39.000 24.312 .000 Greenhouse-Geisser 78.000 1.902 41.000
19、24.312 .000 Huynh-Feldt 78.000 2.000 39.000 24.312 .000 下限 78.000 1.000 78.000 24.312 .000 b * c 采用的球形度 3.500 2 1.750 1.091 .352 Greenhouse-Geisser 3.500 1.902 1.840 1.091 .350 Huynh-Feldt 3.500 2.000 1.750 1.091 .352 下限 3.500 1.000 3.500 1.091 .317 b * a * c
20、 采用的球形度 54.500 2 27.250 16.987 .000 Greenhouse-Geisser 54.500 1.902 28.647 16.987 .000 Huynh-Feldt 54.500 2.000 27.250 16.987 .000 下限 54.500 1.000 54.500 16.987 .001 误差 (b) 采用的球形度 38.500 24 1.604 Greenhouse-Geisser 38.500 22.829 1.686 Huynh-Feldt 38.500 24
21、000 1.604 下限 38.500 12.000 3.208 简单效应检验： 结果：无标记的情况下，各句子类型之间不存在显著性差异，F＝9.000，P=0.100；有标记的情况下，各句子类型之间存在极显著性差异，F＝150.333，P=0.007。 三、重复测量两个因素的三因素混合实验设计数据处理 过程： 1. 打开SPSS软件，点击Data View数据视图，进入数据输入窗口，将原始数据输入SPSS表格区域； 2. 在菜单栏中选择分析→一般线性模型→重复度量； 3. 分别定义两个被试内变量名及其水平数，点击“定义”；
22、 4、 将b1c1、b1c2、b2c1、b2c2、b3c1、b3c2选入被试内变量（Winthin-Subjects Variables）方框中，将a选入被试间变量框中； 5、 点击选项Options，然后将被试内变量b（三个水平）键入到右边的方框中，采用LSD（none）法进行多重比较，并选择描述统计和方差齐性检验，点击继续，再点击确定输出结果； 6.结果： 描述性统计结果： 描述性统计量 有无干扰 均值 标准 偏差 N b1c1 dimension1 无干扰 14.0000 .92582 8 有干扰 4.8750 .83452
23、 8 总计 9.4375 4.78844 16 b1c2 dimension1 无干扰 9.5000 1.19523 8 有干扰 6.1250 1.12599 8 总计 7.8125 2.07264 16 b2c1 dimension1 无干扰 8.6250 1.06066 8 有干扰 10.0000 1.30931 8 总计 9.3125 1.35247 16 b2c2 dimension1 无干扰 7.2500 1.28174 8 有干扰 5.5000 1.06904 8 总计 6.3750 1.45
24、488 16 b3c1 dimension1 无干扰 7.0000 .75593 8 有干扰 6.8750 .83452 8 总计 6.9375 .77190 16 b3c2 dimension1 无干扰 5.8750 1.24642 8 有干扰 2.8750 .83452 8 总计 4.3750 1.85742 16 Box’s方差齐性结果：P=0.395>0.05，所以各组数据方差齐性。 协方差矩阵等同性的 Box 检验a Box 的 M 42.802 F 1.053 df1 21 df2 720
25、888 Sig. .395 检验零假设，即观测到的因变量的协方差矩阵在所有组中均相等。 a. 设计 : 截距 + a 主体内设计: b + c + b * c 多变量检验：因为P=0<0.01，所以B的主效应极显著；而且P=0<0.01，BA的交互作用极显著；同理可知：C的主效应极显著，CA的交互效应不显著，BCA的三阶交互效应极显著。 多变量检验b 效应 值 F 假设 df 误差 df Sig. b Pillai 的跟踪 .906 62.841a 2.000 13.000 .000 Wilks 的 Lambda .094 62.841a
26、 2.000 13.000 .000 Hotelling 的跟踪 9.668 62.841a 2.000 13.000 .000 Roy 的最大根 9.668 62.841a 2.000 13.000 .000 b * a Pillai 的跟踪 .961 160.414a 2.000 13.000 .000 Wilks 的 Lambda .039 160.414a 2.000 13.000 .000 Hotelling 的跟踪 24.679 160.414a 2.000 13.000 .000 Roy 的最大根 24.67
27、9 160.414a 2.000 13.000 .000 c Pillai 的跟踪 .909 139.528a 1.000 14.000 .000 Wilks 的 Lambda .091 139.528a 1.000 14.000 .000 Hotelling 的跟踪 9.966 139.528a 1.000 14.000 .000 Roy 的最大根 9.966 139.528a 1.000 14.000 .000 c * a Pillai 的跟踪 .003 .043a 1.000 14.000 .839 Wilks 的
28、 Lambda .997 .043a 1.000 14.000 .839 Hotelling 的跟踪 .003 .043a 1.000 14.000 .839 Roy 的最大根 .003 .043a 1.000 14.000 .839 b * c Pillai 的跟踪 .234 1.991a 2.000 13.000 .176 Wilks 的 Lambda .766 1.991a 2.000 13.000 .176 Hotelling 的跟踪 .306 1.991a 2.000 13.000 .176 Roy 的最大根
29、 .306 1.991a 2.000 13.000 .176 b * c * a Pillai 的跟踪 .827 31.113a 2.000 13.000 .000 Wilks 的 Lambda .173 31.113a 2.000 13.000 .000 Hotelling 的跟踪 4.787 31.113a 2.000 13.000 .000 Roy 的最大根 4.787 31.113a 2.000 13.000 .000 a. 精确统计量 b. 设计 : 截距 + a 主体内设计: b + c + b * c 球
30、形假设检验：被试内变量球形假设检验，由于c变量只有两个水平，所以不需要检验；b,b*c均满足球形假设。 Mauchly 的球形度检验b 度量:MEASURE_1 主体内效应 Mauchly 的 W 近似卡方 df Sig. Epsilona Greenhouse-Geisser Huynh-Feldt 下限 dimension1 b .764 3.503 2 .174 .809 .965 .500 c 1.000 .000 0 . 1.000 1.000 1.000 b * c .952 .642 2 .725 .954 1
31、000 .500 检验零假设，即标准正交转换因变量的误差协方差矩阵与一个单位矩阵成比例。 a. 可用于调整显著性平均检验的自由度。 在"主体内效应检验"表格中显示修正后的检验。 b. 设计 : 截距 + a 主体内设计: b + c + b * c Levene’s方差齐性检验结果：因为P>0.05，各组因变量方差齐性。 误差方差等同性的 Levene 检验a F df1 df2 Sig. b1c1 .168 1 14 .688 b1c2 .009 1 14 .926 b2c1 .152 1 14 .702 b2c2 .45
32、3 1 14 .512 b3c1 .399 1 14 .538 b3c2 .610 1 14 .448 检验零假设，即在所有组中因变量的误差方差均相等。 a. 设计 : 截距 + a 主体内设计: b + c + b * c 被试间变量效应：因为P=0<0.01，A的主效应极显著。 主体间效应的检验 度量:MEASURE_1 转换的变量:平均值 源 III 型平方和 df 均方 F Sig. 截距 5221.500 1 5221.500 4716.194 .000 a 170.667 1 170.667 154.
33、151 .000 误差 15.500 14 1.107 b因素的多重比较结果：实物图片的记忆成绩显著优于数字图片和符号图片，数字图片，数字图片的记忆成绩显著优于符号图片。 成对比较 度量:MEASURE_1 (I) b (J) b 均值差值 (I-J) 标准 误差 Sig.a 差分的 95% 置信区间a 下限 上限 1 2 .781* .163 .000 .431 1.131 3 2.969* .257 .000 2.417 3.521 2 1 -.781* .163 .000 -1.131 -.431 3
34、 2.188* .220 .000 1.715 2.660 3 1 -2.969* .257 .000 -3.521 -2.417 2 -2.188* .220 .000 -2.660 -1.715 基于估算边际均值 *. 均值差值在 .05 级别上较显著。 a. 对多个比较的调整： 最不显著差别（相当于未作调整）。 进行简单效应检验： 因为BA交互效应显著，需进行简单效应检验； 程序语句： 结果截图： b*a描述性统计结果 b*a配对比较结果 进行简单简单效应检验： BCA三阶交互效应显著，还需进行简单简单效
35、应检验。 程序语句： 在a水平下b*c交互效应配对比结果 四、三因素重复测量实验设计数据处理 过程： 1.打开SPSS软件，点击Data View ，进入数据输入窗口，将原始数据输入SPSS表格区域； 2.在菜单栏中选择分析→一般线性模型→重复变量； 3.在定义被试内变量（Within-Subject Factor Name）的方框中，设置被试内变量标记类型，在定义其水平（Number of Level）的对框中，输入3，表示有两个水平，然后按填加（Add）钮。 4.将a1b3c1、a1b3c2、a2b1c1、a2b1c2、a2b2c1、a2
36、b2c2、a2b3c1、a2b3c2等选入被试内变量（Winthin-Subjects Variables）方框中，将a选入被试间变量框中； 5.点击选项Options，然后将被试内变量b（三个水平）键入到右边的方框中，采用LSD（none）法进行多重比较，并选择描述统计和方差齐性检验，点击继续，再点击确定输出结果； 6.结果:3个自变量之间两两都有显著差异，3者之间也有显著差异。 描述性统计量 均值 标准 偏差 N a1b1c1 14.2500 .95743 4 a1b1c2 9.7500 1.70783 4 a1b2c1 8.5000
37、1.29099 4 a1b2c2 7.5000 1.29099 4 a1b3c1 7.0000 .81650 4 a1b3c2 5.7500 1.70783 4 a2b1c1 5.2500 .95743 4 a2b1c2 6.5000 1.29099 4 a2b2c1 10.2500 1.70783 4 a2b2c2 5.5000 1.29099 4 a2b3c1 6.5000 .57735 4 a2b3c2 2.7500 .95743 4 多变量检验b 效应 值 F 假设 df 误差 df Sig
38、 a Pillai 的跟踪 .957 66.783a 1.000 3.000 .004 Wilks 的 Lambda .043 66.783a 1.000 3.000 .004 Hotelling 的跟踪 22.261 66.783a 1.000 3.000 .004 Roy 的最大根 22.261 66.783a 1.000 3.000 .004 b Pillai 的跟踪 .950 18.841a 2.000 2.000 .050 Wilks 的 Lambda .050 18.841a 2.000 2.000 .0
39、50 Hotelling 的跟踪 18.841 18.841a 2.000 2.000 .050 Roy 的最大根 18.841 18.841a 2.000 2.000 .050 c Pillai 的跟踪 .905 28.683a 1.000 3.000 .013 Wilks 的 Lambda .095 28.683a 1.000 3.000 .013 Hotelling 的跟踪 9.561 28.683a 1.000 3.000 .013 Roy 的最大根 9.561 28.683a 1.000 3.000 .013
40、 a * b Pillai 的跟踪 .989 88.494a 2.000 2.000 .011 Wilks 的 Lambda .011 88.494a 2.000 2.000 .011 Hotelling 的跟踪 88.494 88.494a 2.000 2.000 .011 Roy 的最大根 88.494 88.494a 2.000 2.000 .011 a * c Pillai 的跟踪 .011 .034a 1.000 3.000 .866 Wilks 的 Lambda .989 .034a 1.000 3.000
41、866 Hotelling 的跟踪 .011 .034a 1.000 3.000 .866 Roy 的最大根 .011 .034a 1.000 3.000 .866 b * c Pillai 的跟踪 .560 1.271a 2.000 2.000 .440 Wilks 的 Lambda .440 1.271a 2.000 2.000 .440 Hotelling 的跟踪 1.271 1.271a 2.000 2.000 .440 Roy 的最大根 1.271 1.271a 2.000 2.000 .440 a * b
42、 * c Pillai 的跟踪 .969 31.265a 2.000 2.000 .031 Wilks 的 Lambda .031 31.265a 2.000 2.000 .031 Hotelling 的跟踪 31.265 31.265a 2.000 2.000 .031 Roy 的最大根 31.265 31.265a 2.000 2.000 .031 a. 精确统计量 b. 设计 : 截距 主体内设计: a + b + c + a * b + a * c + b * c + a * b * c Mauchly 的球形度检验b
43、 度量:MEASURE_1 主体内效应 Mauchly 的 W 近似卡方 df Sig. Epsilona Greenhouse-Geisser Huynh-Feldt 下限 dimension1 a 1.000 .000 0 . 1.000 1.000 1.000 b .452 1.590 2 .452 .646 .927 .500 c 1.000 .000 0 . 1.000 1.000 1.000 a * b .412 1.772 2 .412 .630 .873 .500 a * c 1.000
44、 .000 0 . 1.000 1.000 1.000 b * c .314 2.316 2 .314 .593 .757 .500 a * b * c .341 2.152 2 .341 .603 .786 .500 检验零假设，即标准正交转换因变量的误差协方差矩阵与一个单位矩阵成比例。 a. 可用于调整显著性平均检验的自由度。 在"主体内效应检验"表格中显示修正后的检验。 b. 设计 : 截距 主体内设计: a + b + c + a * b + a * c + b * c + a * b * c 主体内效应的检验 度量:M
45、EASURE_1 源 III 型平方和 df 均方 F Sig. a 采用的球形度 85.333 1 85.333 66.783 .004 Greenhouse-Geisser 85.333 1.000 85.333 66.783 .004 Huynh-Feldt 85.333 1.000 85.333 66.783 .004 下限 85.333 1.000 85.333 66.783 .004 误差 (a) 采用的球形度 3.833 3 1.278 Greenhouse-Geisser 3.833 3.00
46、0 1.278 Huynh-Feldt 3.833 3.000 1.278 下限 3.833 3.000 1.278 b 采用的球形度 100.042 2 50.021 46.471 .000 Greenhouse-Geisser 100.042 1.292 77.456 46.471 .002 Huynh-Feldt 100.042 1.853 53.977 46.471 .000 下限 100.042 1.000 100.042 46.471 .006 误差 (b) 采用的球形度 6.458
47、 6 1.076 Greenhouse-Geisser 6.458 3.875 1.667 Huynh-Feldt 6.458 5.560 1.162 下限 6.458 3.000 2.153 c 采用的球形度 65.333 1 65.333 28.683 .013 Greenhouse-Geisser 65.333 1.000 65.333 28.683 .013 Huynh-Feldt 65.333 1.000 65.333 28.683 .013 下限 65.333 1.000 65.
48、333 28.683 .013 误差 (c) 采用的球形度 6.833 3 2.278 Greenhouse-Geisser 6.833 3.000 2.278 Huynh-Feldt 6.833 3.000 2.278 下限 6.833 3.000 2.278 a * b 采用的球形度 77.042 2 38.521 39.906 .000 Greenhouse-Geisser 77.042 1.260 61.156 39.906 .003 Huynh-Feldt 77.042 1.746
49、 44.116 39.906 .001 下限 77.042 1.000 77.042 39.906 .008 误差 (a*b) 采用的球形度 5.792 6 .965 Greenhouse-Geisser 5.792 3.779 1.532 Huynh-Feldt 5.792 5.239 1.105 下限 5.792 3.000 1.931 a * c 采用的球形度 .083 1 .083 .034 .866 Greenhouse-Geisser .083 1.000 .083 .034
50、 .866 Huynh-Feldt .083 1.000 .083 .034 .866 下限 .083 1.000 .083 .034 .866 误差 (a*c) 采用的球形度 7.417 3 2.472 Greenhouse-Geisser 7.417 3.000 2.472 Huynh-Feldt 7.417 3.000 2.472 下限 7.417 3.000 2.472 b * c 采用的球形度 3.292 2 1.646 .856 .471 Greenhouse-Geisser
©2010-2026 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
