我们从1个和2个单词习惯的形成例子中可以看出，其过程与简单的条件运动反射的建立非常相像，如个体在听觉和视觉的刺激下做出的手的收缩反应。我们可以再次应用我们熟悉的老公式：
咽喉、口唇及胸腔等的肌肉和腺体组织，在无条件和非习得的刺激下会产生某种变化（当然，这些部位的变化也会依次被来自胃或外在环境等的刺激所引发）。我们叫“爸爸”时的声带发音，那是非习得的反应。也就是说，我们最初建立的反应是非习得的和无条件的反应，这个跟我们在手工操作的行为中一样。应该说，因为对非习得的声音的反应的基本刺激，我们知道的并不多，甚至说对其了解非常少，所以，早期阶段的单词条件反射是不够慎重的。实际上，对于引起动物的非习得反应的刺激，我们了解的要比对引起婴儿的非习得反应的刺激更多。比如，对于一只青蛙，我知道摩擦它身体的哪个部位可以使他呱呱叫；我们也能很容易让一只狗狂吠，让一只猴子乱叫。但是我们想要婴儿开口说出“dada”、“glud”、“boo-boo”或是“aw”，就不知道从哪里入手了。所以，我们不得不去做各种尝试。假如最初知道怎么做，那么，我们就可以很快用单词、词组和句子建立起那种反应。对于幼儿来说，我们能注意到的也只是跟某个常规性的单词最接近的声音，然后尽量做到让它与成人中唤起那个单词的物体联系起来，也就是让它代替那个物体。其实，我要告诉你们的是，在那个阶段，我们所做的一切尝试，无非是想方设法地带他进入到与他的群体一致的语言世界里。上面我也提到了，由于我们对引起婴儿的非习得反应的刺激的了解有限，所以这件事做起来也颇费周折。有时候，为了获得一个完整的单词，我们只好通过音节来对儿童进行刺激，以引起他对音节的条件反射。而我们这样做取得的结果还是不错的，由此我们认为，在一个长单词中，很可能有着多个各自独立的条件反应。于是，一个单词与我曾经讲过的迷宫学习的情况是一致的。不过，尽管如此，我相信在婴儿发出的非习得的声音中，我们有各种反应的单位，当它们通过条件反射被连接起来时，就变成了我们字典中的词。而至于那些出色的演说家，他们在演讲时发出的震撼人心的所有声音，其实不过是他的非习得的婴儿声音，是其成长中的每一时期的耐心的条件反射相连接的结果。
在言语习惯形成之初，其速度是比较缓慢的，而与第二级之后成序的条件反射则不同，它们显现出来的形成速度是非常快的。很显然，关于“妈妈”这个单词，对于一个3岁的孩子而言，其唤起的条件是这样的：（1）看到了妈妈；（2）看到妈妈的照片；（3）听到了妈妈的声音；（4）听到了妈妈的脚步声；（5）看到了印刷体的英语单词“妈妈”；（6）看到了手写体的英语单词“妈妈”；（7）看到了印刷体的法国单词“mere”；（8）看到了手写体的法国单词“mere”。当然，除此之外还有许多，比如妈妈的衣服、鞋帽等视觉刺激。这些替代刺激一旦被建立起来，孩子对“妈妈”的反应就不再像之前那样简单了，而是变得复杂化了。这时，他就可以用多种方式说“妈妈”，可以用平常交谈时的口气，可以用很大的声音叫着，也可以温柔地或是刺耳地表达……这些现象的出现，表明了“妈妈”的反应由很多甚至几百个肌肉活动组成。
换句话说，我们以自己的言辞习惯来抚养孩子，在言语上就会使他们形成条件反射。我们可以通过一个孩子在说话时的语调来断定他是南方的孩子，还是北方的孩子。比如，我们可以通过一个孩子说“水”的方式，断定他是芝加哥小孩儿……很显然，我们不仅学习父母的语言，同时还习得了他们的语言习惯。存在于不同种族和地域之间的这些言辞差异，并非源于咽喉结构上的不同，或者是基本的非习得的婴儿期反应单位的类型和数目不同。在南北战争结束后，许多北方人迁往南方，在那里，他们的孩子开始学说南方话，而不是新的英格兰英语。同样，一对法国夫妇生的孩子，如果被带到这个国家，由讲英语的人进行抚养的话，那么，这个孩子也会习得非常好的英语。
另外，如果我们在晚年时学习一种外国语，那么在用它讲话时，想要不带任何方言是一件非常困难的事。这是因为，反应的习惯类型使机体失去了灵活性，也就是说，它们有使身体的实际结构发生定形的趋势。在生活中，如果一个人总是垂头丧气的样子，他就会让我们朝着将其描绘成忧郁、丧气、扫兴的面部表情的方向走。在这方面还有另外一个因素，那就是在青春期，喉部开始发生变化，变得不再灵活，由于定形，它发出新的声音的可能性很小。
由此，随着孩子的不断长大，对于外部环境的每个物体和情境，他都建立了一个条件化的词语反应。而这一切，是由于父母、老师和他所接触到的社会上的其他人安排的。但是，他对其他内部环境的许多物体（内脏本身的变化）却不需要做出条件化的词语，这似乎有点令人奇怪。不过道理也很简单，那是因为父母和其他人对它们没有任何词语。至于内脏中发生的事，多半是非言语化的，这个即使在我们人类中也是如此。
