Wykorzystanie dekompozycji Cholesky'ego do badania indywidualnych różnic w relacjach podłużnych między umiejętnościami czytania

Summary

Ten artykuł demonstruje zastosowanie metody złotego standardu w genetyce behawioralnej, metody dekompozycji Cholesky'ego, do oszacowania unikalnych, nakładających się na siebie wpływów genetycznych i środowiskowych na różne zmienne, aby odpowiedzieć na pytania badawcze motywowane podłużnie.

Abstract

Metoda dekompozycji Cholesky'ego jest złotym standardem stosowanym w dziedzinie genetyki behawioralnej. Metoda jest popularna, ponieważ jest łatwa do zaprogramowania i rozwiązania. Korzystając z tej metody, naukowcy mogą badać indywidualne różnice w relacjach podłużnych różnych zmiennych w wielu punktach czasowych. Metoda ta pozwala badaczom na dekompozycję wariancji na (1) unikalne genetyczne, wspólne i niewspółdzielone efekty środowiskowe, które pojawiają się w określonych punktach czasowych, a także (2) nakładające się genetyczne, wspólne i niewspółdzielone skutki środowiskowe, które przenoszą się z jednego punktu czasowego do drugiego. Metoda ta nie identyfikuje jednak mechanizmów ani źródeł leżących u podstaw tych skutków. Niniejszy raport koncentruje się na zastosowaniu metody dekompozycji Cholesky'ego w dziedzinie psychologii edukacyjnej. W szczególności omówiono indywidualne różnice w relacjach podłużnych między znajomością liter w przedszkolu, świadomością fonologiczną w przedszkolu, umiejętnościami czytania na poziomie słów w pierwszej klasie i czytaniem ze zrozumieniem w siódmej klasie.

Introduction

Zdobycie umiejętności czytania z umiejętnością płynnego czytania i rozumienia tekstu jest ważne dla wyników szkolnych dzieci. Aby zapobiec rozwojowi problemów z czytaniem, ważne jest, aby zrozumieć, w jakim stopniu różne umiejętności czytania przewidują czytanie ze zrozumieniem. Istniejące badania wykazały, że umiejętności czytania przed czytaniem i czytania na poziomie słów w szkole podstawowej długodystansowo przewidują czytanie ze zrozumieniem w gimnazjum^1,2. Indywidualne różnice w tych przewidywaniach wskazują głównie na podstawowe czynniki genetyczne (i do pewnego stopnia środowiskowe) od przedszkola do klasy czwartej^3,4. Istnieje jednak potrzeba zbadania, czy te same czynniki genetyczne i środowiskowe nadal wpływają na te przewidywania aż do klas gimnazjalnych.

Jedną z metod lepszego zrozumienia indywidualnych różnic leżących u podstaw powiązań między umiejętnościami czytania w szkole podstawowej i gimnazjum jest użycie metodologii genetyki behawioralnej, a konkretnie metody dekompozycji Cholesky'ego. Metoda dekompozycji Cholesky'ego jest uważana za jeden ze złotych standardów analiz w genetyce behawioralnej. Metoda ta jest łatwa do zaprogramowania i rozwiązania oraz pozwala na dekompozycję wariancji i kowariancji na (A) genetyczne, (C) wspólne wpływy środowiskowe i (E) niewspółdzielone wpływy środowiskowe, zwykle w próbie bliźniąt. Przykład jednowymiarowej (jedna zmienna) dekompozycji Cholesky'ego jest pokazany w Rysunek 1. Czynnik utajony A odnosi się do skutków genetycznych, które są wpływami genetycznymi odziedziczonymi po rodzicach. Czynnik utajony odnosi się do wspólnych skutków środowiskowych, które są aspektami środowiska, które służą upodobnieniu bliźniąt, takich jak środowisko domowe i szkolne. Wreszcie, czynnik utajony E odnosi się do niewspólnych skutków środowiskowych, które są wpływami środowiskowymi, które są unikalne dla każdego bliźniaka i przyczyniają się do różnic między bliźniętami, takich jak własne doświadczenia każdego z nich. Współczynnik E uwzględnia również błąd pomiaru.

Rysunek 1: Dekompozycja na (A) genetyczne, (C) wspólne wpływy środowiskowe i (E) niewspólne wpływy środowiskowe. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Czynniki A, C i E w Rysunek 1 szacują zakres, w jakim geny i środowisko wpływają na jedną (odczytaną) zmienną. Mimo to, aby zbadać indywidualne różnice leżące u podstaw powiązań podłużnych między więcej niż jedną umiejętnością czytania od szkoły podstawowej do gimnazjum, konieczna jest analiza podłużna. Aby odpowiedzieć na podłużnie umotywowane pytania badawcze, zastosowano tutaj wielowymiarową metodę dekompozycji Cholesky'ego⁵. Koncepcyjnie metoda wielowymiarowej dekompozycji Cholesky'ego jest podobna do hierarchicznej regresji wielorakiej, w której niezależny wkład czynników genetycznych i środowiskowych ocenia się po uwzględnieniu wkładu poprzednich czynników.

Na przykład, w wielowymiarowej dekompozycji Cholesky'ego z danymi podłużnymi w czterech punktach czasowych (patrz Rysunek 2), pierwszy zestaw czynników [genetyczny (A₁), współdzielony środowiskowy (C₁) i niewspółdzielony środowiskowy (E₁)] przyczynia się do wariancji wszystkich zmiennych, reprezentowanych jako ścieżki a₁₁, a_{21, a 31}, a₄₁, c₁₁, c₂₁, ..., e₁₁ itd., od czynników A₁, C₁, E₁ do każdej zmiennej. Drugi zestaw czynników (A₂, C₂, E₂) przyczynia się do wariancji drugiej i kolejnych zmiennych po uwzględnieniu pierwszego punktu czasowego. Drugi zestaw czynników jest reprezentowany jako ścieżki a₂₂, a₃₂, a₄₂, c₂₂, c₃₂, ..., e₂₂ itd. Następnie szacuje się wpływy trzeciego zestawu czynników (A₃, C₃, E₃) dla trzeciej i czwartej zmiennej po uwzględnieniu dwóch poprzednich punktów czasowych. Są one reprezentowane jako ścieżki a₃₃, a₄₃, c_33, c_43, e₃₃, e₄₃. Wreszcie, wpływy czwartego zestawu czynników (A₄, C₄, E₄) są mierzone dla ostatniego punktu czasowego po kontrolowaniu wszystkich poprzednich punktów czasowych. Są one reprezentowane jako ścieżki a₄₄, c₄₄, e₄₄.

Rysunek 2: Wielowymiarowy model dekompozycji Cholesky'ego dla czterech punktów czasowych. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

W tym długotrwałym zastosowaniu metody wielowymiarowej dekompozycji Cholesky'ego, wpływy genetyczne i środowiskowe w każdym punkcie czasowym są szacowane po tym, jak efekty poprzednich punktów czasowych zostały już sprawdzone. W związku z tym metoda ta pozwala określić stopień, w jakim unikalne wpływy genetyczne i środowiskowe pojawiają się w każdym konkretnym punkcie czasowym, niezależnie od wpływów z poprzednich punktów czasowych (efekty te są szacowane za pomocą ścieżek a_{11, a 22}, a₃₃, a₄₄, c_11, c₂₂, ..., e_11, e₂₂itp.). Ponadto metoda umożliwia również zbadanie stopnia, w jakim te same (nakładające się na siebie) wpływy genetyczne i środowiskowe są wspólne dla różnych punktów czasowych. Innymi słowy, można określić, w jakim stopniu wpływy genetyczne i środowiskowe przenoszą się z jednego punktu czasowego do drugiego (tj. efekty te są szacowane za pomocą ścieżek a₂₁,_{a 31}, a₄₁, a₃₂, a₄₂, a₄₃, c₂₁, c₃₁, ..., e₂₁, itd.). Należy zauważyć, że ścieżki A₁₁, c₁₁ i e₁₁ reprezentują wszystkie możliwe wpływy genetyczne i środowiskowe aż do pierwszego punktu czasowego włącznie, które mogą być unikalne lub pokrywać się z poprzednimi punktami czasowymi. Nie szacuje się jednak punktów czasowych poprzedzających pierwszy punkt czasowy; W związku z tym nie można dokładnie określić, czy reprezentują one unikalne czy nakładające się na siebie wpływy. Dla uproszczenia w raporcie bieżącym zostały one ujęte jako unikalne wpływy.

Kolejność mierzonych zmiennych wprowadzanych do dekompozycji Cholesky'ego jest dowolna. Jednak kolejność jest zwykle napędzana przez perspektywę teoretyczną. Tak jest również w przypadku niniejszego badania, w którym kolejność opierała się na rozwoju umiejętności czytania, tak że umiejętności czytania w szkole podstawowej są predyktorem czytania ze zrozumieniem w gimnazjum.

W literaturze znajduje się kilka doniesień dotyczących czynników genetycznych i środowiskowych leżących u podstaw podłużnych powiązań umiejętności czytania metodą dekompozycji Cholesky'ego. Te wcześniejsze badania koncentrowały się głównie na badaniu relacji między umiejętnościami czytania wśród uczniów szkół podstawowych^6,7. Tylko jedno opublikowane badanie analizuje indywidualne różnice związane z czytaniem od klas podstawowych do klas gimnazjalnych przy użyciu wielowymiarowej metody dekompozycji Cholesky'ego⁸. Protokół ten szczegółowo opisuje wielowymiarową metodę dekompozycji Cholesky'ego z tego konkretnego raportu w celu zbadania indywidualnych różnic w podłużnych relacjach między znajomością liter w przedszkolu, świadomością fonologiczną w przedszkolu, umiejętnościami czytania na poziomie słów w pierwszej klasie i czytaniem ze zrozumieniem w siódmej klasie.

Wyniki badań koncentrują się na wykorzystaniu metody wielowymiarowej dekompozycji Cholesky'ego do rozróżnienia dwóch typów wpływów genetycznych i środowiskowych. Po pierwsze, pokazano, jak oszacować wpływy genetyczne i środowiskowe, które przenoszą się (nakładają się) z czytania w szkole podstawowej do gimnazjum (np. Oszacowanie ścieżek a₄₃, c₄₃ i e₄₃, które są genetycznymi i środowiskowymi wpływami na umiejętności czytania na poziomie słów od pierwszej klasy, które wpływają na czytanie ze zrozumieniem w siódmej klasie). Po drugie, pokazano, jak oszacować unikalne wpływy genetyczne i środowiskowe, które pojawiają się w każdej konkretnej klasie (np. Szacowanie ścieżek a₃₃, c₃₃ i e₃₃, które są unikalnymi genetycznymi i środowiskowymi wpływami na umiejętności czytania na poziomie słów, które pojawiają się w pierwszej klasie).

Protocol

Poniższe kroki opisują proces szacowania indywidualnych różnic leżących u podstaw podłużnych powiązań między umiejętnościami czytania w szkole podstawowej i gimnazjum na (A) genetyczne, (C) współdzielone środowiskowe i (E) niewspółdzielone czynniki środowiskowe za pomocą programu do modelowania statystycznego, edytora tekstu i oprogramowania z graficznym interfejsem użytkownika (GUI). Badanie to zostało zatwierdzone przez Institutional Review Board na Uniwersytecie Stanowym Florydy.

1. Przygotowanie danych do programu do modelowania statystycznego

1. Przygotuj dane w formacie, który może być odczytany przez wybrany program do modelowania statystycznego. Popularne programy do modelowania statystycznego to Mx, OpenMx na platformie R i MPlus⁹. Mx może odczytywać pliki danych w formacie .vl lub .dat formatach danych, OpenMx w dowolnym formacie danych, a Mplus w .dat formacie danych. Pokazany tutaj przykład jest wykonywany w programie MPlus⁹.
   UWAGA: Przykładowy plik danych w formacie .dat dla sześciu losowo wybranych uczestników jest dostępny w plikach uzupełniających. Zmienne używane w przykładowym pliku danych odzwierciedlają zmienne używane w wejściowym pliku kodowania.

2. Wczytywanie danych do programu do modelowania statystycznego, uruchamianie skryptu i szacowanie efektów

1. Otwórz program do modelowania statystycznego.
2. Znajdź odpowiedni plik danych, który ma zostać wczytany do programu do modelowania statystycznego, wpisując "Plik to [wstaw lokalizację pliku danych na komputerze]".
3. Kliknij ikonę URUCHOM na wstążce programu do modelowania statystycznego, aby uzyskać oszacowania genetycznych, wspólnych i niewspółdzielonych wpływów środowiskowych z wielowymiarowej metody dekompozycji Cholesky'ego. Skrypt wejściowy z adnotacjami dla wielowymiarowego modelu dekompozycji Cholesky'ego dla czterech punktów czasowych, a także jego dane wyjściowe przy użyciu MPlus można znaleźć w dodatkowych plikach kodowania.
4. Gdy program do modelowania statystycznego wygeneruje oszacowania dla genetycznych, wspólnych wpływów środowiskowych i niewspółdzielonych wpływów środowiska, zlokalizuj oszacowania w pliku wyjściowym pod stx₁₁ dla ścieżki a₁₁, stx₂₁ dla ścieżki a₂₁, ..., sty₁₁ dla ścieżki c₁₁, sty₂₁ dla ścieżki c₂₁, ..., stz₁₁ dla ścieżki e₁₁, stz₂₁ dla ścieżki e₂₁, itd.

3. Tworzenie tabeli z wygenerowanymi szacunkami

1. Otwórz edytor tekstu.
2. Skopiuj wygenerowane oszacowania do tabeli w edytorze tekstu. Tabelę można utworzyć w formacie wskazanym w Rysunek 3. Na przykład w tym przypadku oszacowania ścieżek a₁₁,_{a 21},_{a 31} i₄₁ mają wartości odpowiednio 0,60, 0,24, 0,63 i 0,18.

Rysunek 3: Modelowanie wielowymiarowej dekompozycji Cholesky'ego, standaryzowane oszacowania ścieżek wpływów genetycznych i środowiskowych. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

4. Wykres genetycznych, wspólnych wpływów środowiskowych i niewspólnych wpływów środowiskowych

1. Otwórz oprogramowanie za pomocą graficznego interfejsu użytkownika.
2. Wprowadź oszacowania z utworzonej tabeli do komórek F3-F16, G4-G16, H5-H16 i I6-I16. Zrzut ekranu z oprogramowania z graficznym interfejsem użytkownika jest pokazany w Rysunek 4.

Rysunek 4: Wprowadzanie szacunków do oprogramowania za pomocą graficznego interfejsu użytkownika. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

3. Oblicz wariancję genetycznych, wspólnych i niewspólnych wpływów środowiskowych, podnosząc oszacowania w komórkach F3-F16, G4-G16, H5-H16 i I6-I16. Wpisz kwadratowe wartości w komórkach J3-J16, K4-K16, L5-L16 i M6-M16.
4. Oblicz wariancję procentową, mnożąc wartości w komórkach J3-J16, K4-K16, L5-L16 i M6-M16 przez 100. Wpisz wartości procentowe w komórkach N3-N16, O4-O16, P5-P16 i Q6-Q16. Kroki 4.3 i 4.4 są przedstawione w Rysunek 5.

Rysunek 5: Ilustracja kroków 4.3 i 4.4. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

5. Oblicz stopień, w jakim wpływy genetyczne przenoszą się (nakładają się) ze szkoły podstawowej do gimnazjum.
   1. W komórce R3 wpisz "0".
   2. W komórce R4 wpisz "=N4". Jest to stopień, w jakim wpływy genetyczne z pierwszego punktu czasowego przenoszą się do drugiego punktu czasowego. W tym przypadku wskazuje to na wpływy genetyczne od płynności nazywania liter w przedszkolu do płynności segmentacji fonemów w przedszkolu.
   3. W komórce R5 wpisz "= N5+O5". Jest to stopień, w jakim wpływy genetyczne z pierwszych dwóch punktów czasowych przenoszą się do trzeciego punktu czasowego. W tym przypadku wskazuje to na wpływy genetyczne od płynności nazywania liter w przedszkolu i płynności segmentacji fonemów w przedszkolu, przenosząc się na umiejętności czytania na poziomie słów w klasie 1.
   4. W komórce R6 wpisz "= N6+O6+P6". Jest to stopień, w jakim wpływy genetyczne z pierwszych trzech punktów czasowych przenoszą się do czwartego punktu czasowego. W tym przypadku wskazuje to na wpływy genetyczne od biegłości w nazywaniu liter w przedszkolu, płynności segmentacji fonemów w przedszkolu i umiejętności czytania na poziomie słów w klasie 1 do czytania ze zrozumieniem w klasie 7.
6. Oblicz stopień, w jakim wspólne i niedzielone wpływy środowiska przenoszą się (nakładają się) ze szkoły podstawowej do gimnazjum, podobnie jak w kroku 4.5.
7. Oblicz stopień, w jakim unikalne genetyczne, wspólne czynniki środowiskowe i niewspółdzielone czynniki środowiskowe pojawiają się w każdym określonym punkcie czasowym (tj. stopniu).
   1. Skopiuj wartości procentowe z komórek N3, O4, P5 i Q6 odpowiednio do komórek S3, S4, S5 i S6, aby uzyskać stopień, w jakim unikalne czynniki genetyczne występują w każdym stopniu.
   2. Skopiuj wartości procentowe z komórek N8, O9, P10 i Q11 odpowiednio do komórek U3, U4, U5 i U6, aby uzyskać zakres, w jakim unikalne wspólne czynniki środowiskowe są dostępne w trybie online na każdym poziomie.
   3. Skopiuj wartości procentowe z komórek N13, O14, P15 i Q16 odpowiednio do komórek W3, W4, W5 i W6, aby uzyskać zakres, w jakim unikatowe niewspółdzielone czynniki środowiskowe występują w trybie online na każdym poziomie.
8. Aby upewnić się, że wszystkie obliczenia są poprawne, wartości w komórkach R3-W3, R4-W4, R5-W5 i R6-W6 powinny sumować się do 100. Kroki 4.5–4.7 są przedstawione w Rysunek 6.

Rysunek 6: Ilustracja kroków 4.5-4.8. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

9. Wykreśl nakładanie się genetyczne, a także unikalne wpływy genetyczne, klikając i przeciągając myszą nad komórkami R2–R6 i S2–S6, aby podświetlić dane.
10. Kliknij menu Wstaw.
11. Kliknij Wykresy > skumulowaną kolumnę.
12. Powtórz kroki 4.9–4.11 dla wspólnego nakładania się środowisk i niewspółdzielonych środowisk, a także unikalnych wpływów. Wybierz komórki T2–T6 i U2–U6, aby wykreślić wspólne wpływy środowiska, a następnie wybierz komórki V2–V6 i W2–W6 dla niewspółdzielonych wpływów środowiska.

Results

Standaryzowane szacunki dla genetycznych, wspólnych i niewspółdzielonych wpływów środowiskowych z wielowymiarowego modelu dekompozycji Cholesky'ego są przedstawione na rysunku 7. Ogólnie rzecz biorąc, wyniki ujawniły, że indywidualne różnice w umiejętnościach czytania przed czytaniem w przedszkolu i umiejętności czytania na poziomie słów w pierwszej klasie stanowiły dużą część wariancji genetycznych (40%), a także wspólnych wpływów środowiskowych (39%) na czytanie ze zroz...

Discussion

Celem tego badania było wykazanie, w jaki sposób dobrze znana metoda w genetyce behawioralnej, wielowymiarowa metoda dekompozycji Cholesky'ego, może być skutecznie wykorzystana do zrozumienia relacji między zmiennymi w kontekście czasowym. W szczególności metoda ta pozwala oszacować zakres, w jakim unikalne wpływy genetyczne i środowiskowe pojawiają się w określonych punktach czasowych (np. w klasie szkolnej), a także wykazać nakładanie się wpływów genetycznych i środowiskowych w wielu punktach czasowych.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Microsoft Office Excel	Microsoft
Microsoft Office Powerpoint	Microsoft
Microsoft Office Visio	Microsoft
Microsoft Office Word	Microsoft
Mplus Program statystyczny	Mplus