Summary
Questo documento dimostra l'uso del metodo gold standard nella genetica comportamentale, il metodo di decomposizione Cholesky, per stimare influenze genetiche e ambientali uniche e sovrapposte su diverse variabili per rispondere a ricerche longitudinalmente motivate Domande.
Abstract
Il metodo di decomposizione Cholesky è lo standard d'oro utilizzato nel campo della genetica comportamentale. Il metodo è popolare perché è facile da programmare e risolvere. Utilizzando questo metodo, i ricercatori possono esplorare le differenze individuali nelle relazioni longitudinali di variabili diverse in più punti temporali. Il metodo consente agli sperimentatori di decomporre la varianza in (1) effetti genetici, condivisi e non condivisi unici che si verificano in momenti specifici, nonché (2) sovrapposizioni di effetti ambientali genetici, condivisi e non condivisi che riportano da un punto temporale ad un altro. Tuttavia, il metodo non identifica i meccanismi o le origini alla base di questi effetti. L'attuale relazione si concentra sull'applicazione del metodo di decomposizione Cholesky nel campo della psicologia educativa. In particolare, discute le differenze individuali nelle relazioni longitudinali tra la conoscenza delle lettere dell'asilo, la consapevolezza fonologica dell'asilo, le capacità di lettura a livello di parola di prima elementare e la comprensione della lettura di settimo grado.
Introduction
Diventare un lettore esperto con la capacità di leggere e comprendere fluentemente il testo è importante per i risultati scolastici dei bambini. Per evitare lo sviluppo di problemi di lettura, è fondamentale capire fino a che punto diverse abilità di lettura predicono la comprensione della lettura. La ricerca esistente ha dimostrato che le abilità di lettura pre-lettura e a livello di parola nella scuola elementare predicono longitudinalmente la comprensione della lettura nella scuola media1,2. Le differenze individuali in queste previsioni indicano principalmente fattori genetici sottostanti (e in una certa misura ambientali) dall'asilo fino al grado quattro3,4. Tuttavia, è necessario esaminare se questi stessi fattori genetici e ambientali continuano a influenzare queste previsioni fino ai gradi della scuola media.
Un metodo per comprendere meglio le differenze individuali alla base delle associazioni tra le capacità di lettura delle scuole elementari e medie sta usando la metodologia genetica comportamentale, in particolare il metodo di decomposizione Cholesky. Il metodo di decomposizione Cholesky è considerato una delle analisi gold standard nella genetica comportamentale. Questo metodo è facile da programmare e risolvere e consente la decomposizione della varianza e della covarianza in (A) genetiche, (C) influenze ambientali condivise e (E) non condivise, di solito in un campione di gemelli. Un esempio di decomposizione di Cholesky univariate (una variabile) è indicato nella Figura 1. Il fattore latente si riferisce agli effetti genetici, che sono influenze genetiche ereditate dai genitori. Il fattore latente C si riferisce agli effetti ambientali condivisi, che sono aspetti dell'ambiente che servono a rendere i gemelli più simili, come gli ambienti domestici e scolastici. Infine, il fattore latente E si riferisce a effetti ambientali non condivisi, che sono influenze ambientali uniche per ogni gemello e contribuiscono alle differenze tra i gemelli, come l'esperienza di ciascuno. Il fattore E acquisisce anche l'errore di misurazione.
Figura 1: Decomposizione in (A) genetica, (C) ha condiviso le influenze ambientali e (E) le influenze ambientali non condivise. Fare clic qui per visualizzare una versione più grande di questa figura.
I fattori A, C ed E nella figura 1 stimano la misura in cui i geni e gli ambienti influenzano una variabile (lettura). Tuttavia, per studiare le differenze individuali alla base delle associazioni longitudinali tra più di un'abilità di lettura dalla scuola elementare a quella media, è necessaria un'analisi longitudinale. Per rispondere a domande di ricerca longitudinalmente motivate, un metodo di decomposizione Cholesky multivariato viene utilizzato qui5. Concettualmente, il metodo multivariato di decomposizione Cholesky è simile alla regressione multipla gerarchica, in modo tale che il contributo indipendente di fattori genetici e ambientali sia valutato dopo l'presa dei contributi di fattori precedenti conto.
Ad esempio, in una decomposizione Cholesky multivariata con dati longitudinali in quattro punti temporali (vedere Figura 2), il primo insieme di fattori [genetic (A1),ambiente condiviso (C1)e ambiente non condiviso (E1)] contribuisce alla varianza di tutte le variabili, rappresentate come percorsi un11, un21, un31, un41, c11, c21, ..., e11, ecc., da A1, C1, E1 fattori per ogni variabile . Il secondo set di fattori (A2, C2, E2) contribuisce alla varianza della seconda e delle variabili successive dopo il controllo per il primo punto temporale. Il secondo insieme di fattori è rappresentato come percorsi a22, un32, un42, c22, c32, ..., e22, ecc. Quindi, le influenze del terzo insieme di fattori (A3, C3, E3) sono stimate per la terza e la quarta variabile dopo aver controllato per i due punti temporali precedenti. Sono rappresentati come percorsi33, a43, c33, c43, e33, e43. Infine, le influenze della quarta serie di fattori (A4, C4, E4) vengono misurate per il punto di tempo finale dopo aver controllato per tutti i punti temporali precedenti. Sono rappresentati come percorsi44, c44, e44.
Figura 2: Modello di decomposizione Multivariato Cholesky per quattro punti temporali. Fare clic qui per visualizzare una versione più grande di questa figura.
In questa applicazione longitudinale del metodo di decomposizione multivariata Cholesky, le influenze genetiche e ambientali in ogni momento sono stimate dopo che gli effetti dei punti temporali precedenti sono stati controllati per. In quanto tale, questo metodo consente di determinare fino a che punto le influenze genetiche e ambientali uniche vengano online in ogni particolare momento, indipendentemente dalle influenze dei punti precedenti (questi effetti sono stimati per percorsi a11, un 22, a33,44, c11, c22, ..., e11, e22, ecc.). Inoltre, il metodo consente anche di esaminare il grado in cui le stesse (sovrapposizioni) influenze genetiche e ambientali sono condivise tra i punti temporali. In altre parole, si può determinare in che misura le influenze genetiche e ambientali riporto da un momento all'altro (cioè, questi effetti sono stimati da percorsi un21, un31, un41, un32, un42, un 43, c21, c31, ..., e21, ecc.). Va notato che i percorsi di11, c11e e11 rappresentano tutte le possibili influenze genetiche e ambientali fino al primo punto di tempo incluso, che può essere univoco o sovrapposto ai punti temporali precedenti. Tuttavia, i punti temporali prima del primo momento non sono stimati; pertanto, non è possibile determinare con precisione se rappresentano influenze uniche o sovrapposte. Ai fini della semplificazione, sono inclusi come influenze uniche nella relazione corrente.
L'ordine delle variabili misurate inserite in una decomposizione di Cholesky è arbitrario. Tuttavia, l'ordine è di solito guidato da una prospettiva teorica. Questo è anche il caso dello studio attuale, in cui l'ordine si basava sullo sviluppo delle capacità di lettura, in modo tale che le capacità di lettura nella scuola elementare sono predittive della comprensione della lettura nelle scuole medie.
Ci sono diversi rapporti nella letteratura che studiano i fattori genetici e ambientali alla base delle associazioni longitudinali delle capacità di lettura che utilizzano il metodo di decomposizione Cholesky. Questi studi precedenti si sono concentrati principalmente sullo studio delle relazioni tra le capacità di lettura tra gli scolari delle scuole elementari6,7. C'è solo uno studio pubblicato che esamina le differenze individuali associate alla lettura da gradi elementari ai gradi della scuola media utilizzando il metodo di decomposizione multivariato Cholesky8. Questo protocollo descrive in dettaglio il metodo di decomposizione multivariata Cholesky da quella relazione specifica per esplorare le differenze individuali nelle relazioni longitudinali tra la conoscenza delle lettere dell'asilo, la consapevolezza fonologica dell'asilo, il livello di parola di prima elementare capacità di lettura, e la comprensione di lettura di seconda media.
I risultati dello studio si concentrano sull'utilizzo del metodo di decomposizione multivariata Cholesky per distinguere tra due tipi di influenze genetiche e ambientali. In primo luogo, viene mostrato come stimare le influenze genetiche e ambientali che portano (si sovrappongono) dalla lettura delle scuole elementari a quella media (ad esempio, stimando i percorsidi 43, c43ed e43, che sono influenze genetiche e ambientali capacità di lettura a livello di parola dal primo grado che influenzano la comprensione della lettura in seconda media). In secondo luogo, è dimostrato come stimare le influenze genetiche e ambientali uniche che vengono online ad ogni grado (ad esempio, stimando i percorsi33, c33ed e33, che sono influenze genetiche e ambientali uniche capacità di lettura a livello di parola che sorgono in prima elementare).
Subscription Required. Please recommend JoVE to your librarian.
Protocol
I passaggi riportati di seguito descrivono il processo di stima delle differenze individuali alla base delle associazioni longitudinali tra le competenze di lettura delle scuole elementari e medie in (A) genetiche, (C) fattori ambientali condivisi e (E) fattori ambientali non condivisi utilizzando un programma di modellazione statistica, elaboratore di testi e software con un'interfaccia utente grafica (GUI). Questo studio è stato approvato dall'Institutional Review Board presso la Florida State University.
1. Preparazione dei dati per il programma di modellazione statistica
- Preparare i dati in un formato che può essere letto dal programma di modellazione statistica di scelta. Programmi di modellazione statistica più diffusi includono Mx, OpenMx nella piattaforma R e MPlus9. Mx può leggere i file di dati nei formati dati .vl o .dat, OpenMx in qualsiasi formato di dati e Mplus in un formato dati .dat. L'esempio qui illustrato viene eseguito nel programma MPlus9.
NOTA: un file di dati di esempio in formato .dat per sei partecipanti scelti casualmente è disponibile in file supplementari. Le variabili utilizzate in un file di dati di esempio riflettono le variabili utilizzate nel file di codifica di input.
2. Lettura dei dati nel programma di modellazione statistica, esecuzione dello script e stima degli effetti
- Aprire il programma di modellazione statistica.
- Individuare il file di dati pertinente da leggere nel programma di modellazione statistica digitando "File è [inserire la posizione del file di dati sul computer]".
- Clicca sull'icona RUN sul nastro del programma di modellazione statistica per ottenere stime delle influenze ambientali genetiche, ambientali condivise e non condivise dal metodo di decomposizione multivariato Cholesky. Lo script di input annotato per il modello di decomposizione Multivariate Cholesky per quattro punti temporali, nonché il suo output utilizzando MPlus può essere trovato in file di codifica supplementari.
- Una volta che il programma di modellazione statistica genera stime per influenze genetiche, ambientali condivise e non condivise, individuare le stime nel file di output sotto stx11 per il percorso11, stx21 per il percorsodi 21, ..., sty11 per il percorso c11, sty21 per il percorso c21, ..., stz11 per il percorso e11, stz21 per il percorso e21, ecc.
3. Creazione di una tabella con stime generate
- Aprire l'elaboratore di testi.
- Copiare le stime generate in una tabella in un elaboratore di testi. La tabella può essere creata in un formato come indicato nella Figura 3. In questo caso, ad esempio, le stime per i percorsi11,21,31e41 hanno valori rispettivamente 0,60, 0,24, 0,63 e 0,18.
Figura 3: Multivariato decomposizione Cholesky modellando le stime standardizzate del percorso delle influenze genetiche e ambientali. Fare clic qui per visualizzare una versione più grande di questa figura.
4. Tracciare influenze genetiche, ambientali condivise e non condivise
- Aprire il software con una GUI.
- Immettere le stime dalla tabella creata nelle celle F3-F16, G4-G16, H5-H16 e I6-I16. Uno screenshot dal software con una GUI è raffigurato in Figura 4.
Figura 4: Inserimento di stime nel software con una GUI. Fare clic qui per visualizzare una versione più grande di questa figura.
- Calcolare la varianza delle influenze ambientali genetiche, condivise e non condivise quadrando le stime nelle cellule F3-F16, G4-G16, H5-H16 e I6-I16. Digitare i valori al quadrato nelle celle J3-J16, K4-K16, L5-L16 e M6-M16.
- Calcolare la varianza percentuale moltiplicando i valori nelle celle J3-J16, K4-K16, L5-L16 e M6-M16 per 100. Digitare i valori percentuali nelle celle N3-N16, O4-O16, P5-P16 e Q6-Q16. I passaggi 4.3 e 4.4 sono illustrati nella Figura 5.
Figura 5: Illustrazione dei passaggi 4.3 e 4.4. Fare clic qui per visualizzare una versione più grande di questa figura.
- Calcolare la misura in cui le influenze genetiche portano (si sovrappongono) dalla scuola elementare a quella media.
- Nella cella R3 digitare "0".
- Nella cella R4, digitare "N4". Questa è la misura in cui le influenze genetiche dal primo momento si riporto noto al secondo punto temporale. In questo caso, indica influenze genetiche dalla padronanza della denominazione delle lettere nell'asilo portando oltre a foneme la fluidità di segmentazione nell'asilo.
- Nella cella R5, digitare "N5-O5". Questo è il grado in cui le influenze genetiche dai primi due punti temporali si riportano al terzo punto temporale. In questo caso, indica influenze genetiche dalla padronanza della denominazione delle lettere nell'asilo e dalla fluidità della segmentazione fonemica nell'asilo che si protrae alle capacità di lettura a livello di parola nel grado 1.
- Nella cella R6, digitare "N6. Questa è la misura in cui le influenze genetiche dai primi tre punti temporali si riportono al quarto momento. In questo caso, indica influenze genetiche dalla padronanza della denominazione delle lettere nell'asilo, dalla fluidità della segmentazione fonemica nell'asilo e dalle capacità di lettura a livello di parola in grado 1 che si trascurano alla comprensione della lettura nel grado 7.
- Calcolare la misura in cui le influenze ambientali condivise e non condivise portano (sovrapposte) dalla scuola elementare a quella media, tanto quanto nel passaggio 4.5.
- Calcolare la misura in cui fattori genetici, ambientali condivisi e ambientali unici vengono online in ogni particolare momento (ad esempio, grado).
- Copiare le percentuali dalle celle N3, O4, P5 e Q6 nelle celle S3, S4, S5 e S6, rispettivamente, per ottenere la misura in cui fattori genetici univoci vengono online in ogni grado.
- Copiare le percentuali dalle celle N8, O9, P10 e Q11 nelle celle U3, U4, U5 e U6, rispettivamente, per ottenere la misura in cui fattori ambientali condivisi univoci vengono online in ogni grado.
- Copiare le percentuali dalle celle N13, O14, P15 e Q16 nelle celle W3, W4, W5 e W6, rispettivamente, per ottenere la misura in cui fattori ambientali univoci non condivisi vengono online in ogni grado.
- Per garantire che tutti i calcoli siano corretti, i valori nelle celle R3-W3, R4-W4, R5-W5 e R6-W6 devono sommarsi ciascuno a 100. I passaggi da 4.5 a 4.7 sono illustrati nella figura 6.
Figura 6: Illustrazione dei passaggi da 4.5a4.8. Fare clic qui per visualizzare una versione più grande di questa figura.
- Trama genetica sovrapposizione così come genetica influenze uniche facendo clic e trascinando il mouse sopra le cellule R2–R6 e S2-S6 per evidenziare i dati.
- Fare clic sul menu Inserisci.
- Fare clic su Grafici > Istogramma in pila.
- Ripetere i passaggi da 4.9 a 4.11 per sovrapposizioni ambientali condivise e non condivise, nonché per influenze univoche. Scegliere le celle T2–T6 e U2-U6 per tracciare le influenze ambientali condivise e scegliere le celle V2-V6 e W2-W6 per influenze ambientali non condivise.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Le stime standardizzate per le influenze genetiche, ambientali condivise e non condivise del modello di decomposizione multivariato Cholesky sono illustrate nella Figura 7. In generale, i risultati hanno rivelato che le differenze individuali nelle capacità di lettura a livello di parola pre-lettura e di primo grado rappresentavano gran parte della varianza genetica (40%) così come l'ambiente condiviso (39%) influenze sulla comprensione della lettura di settimo grado. Inoltre, i risultati hanno accennato a un grado di fonti uniche che entrano in gioco per ogni singola abilità di lettura ad ogni grado.
Figura 7: Modello di decomposizione Cholesky completamente multivariato con stime standardizzate del percorso delle influenze genetiche e ambientali. Le variabili misurate sono rappresentate come rettangoli e una variabile latente come ovale. LNF - scioltezza della denominazione delle lettere dell'asilo, PSF - scioltione della canalizzazione dell'asilo, WLRS - capacità di lettura a livello di parola di prima elementare, RC - comprensione di lettura di settimo grado. Fare clic qui per visualizzare una versione più grande di questa figura.
Come indicato nella Figura 8,sembra che vi fosse una grande quota di influenze genetiche uniche (verde scuro) sulla padronanza della denominazione delle lettere nell'asilo (36%), la fluidità della segmentazione fonemica nell'asilo (40%) e la comprensione della lettura in seconda media (30%). Al contrario, le capacità di lettura a livello di parola erano in misura minore associate a influenze genetiche uniche che sorgono in prima elementare (20%). Le influenze genetiche sulle capacità di lettura a livello di parola erano per lo più sovrapposte (verde chiaro) con influenze genetiche sulla padronanza della denominazione delle lettere e sulla segmentazione del foneme (40%).
Figura 8: Percentuale di influenze genetiche uniche e sovrapposte su ogni abilità di lettura. Fare clic qui per visualizzare una versione più grande di questa figura.
Concentrandosi sulle influenze ambientali condivise (vedi Figura 9), i risultati implicavano che la sovrapposizione (azzurro) ambiente condiviso influenzato la fluidità di denominazione delle lettere e la fluidità di segmentazione fonemica nell'asilo (9%). Analogamente, la sovrapposizione degli effetti ambientali condivisi si è riflessa nelle capacità di lettura a livello di parola in prima elementare (15%) e comprensione della lettura in seconda media (39%) che sono stati condivisi anche con le capacità di lettura dell'asilo. Sono stati riscontrati fattori ambientali condivisi unici (blu scuro) per le capacità di lettura di livello di parola di prima qualità (15%). Queste influenze erano indipendenti dalle influenze ambientali condivise nell'asilo.
Figura 9: Percentuale di influenze ambientali condivise uniche e sovrapposte su ogni abilità di lettura. Fare clic qui per visualizzare una versione più grande di questa figura.
Per le influenze ambientali non condivise (vedere la figura 10), i risultati suggeriscono una sovrapposizione molto limitata tra i fattori (giallo chiaro). La maggior parte delle influenze ambientali non condivise indicava influenze uniche (giallo scuro) a ogni singolo punto temporale (cioè grado).
Figura 10: Percentuale di influenze ambientali uniche e sovrapposte non condivise su ogni abilità di lettura. Fare clic qui per visualizzare una versione più grande di questa figura.
La rappresentazione generale dei fattori genetici e ambientali alla base delle capacità di lettura dalla scuola elementare alla scuola media è illustrata nella figura 11. In generale, è stato dimostrato che le capacità di lettura sembrano essere influenzate da fattori genetici e ambientali durante questo periodo di sviluppo.
Figura 11: Percentuale totale di influenze genetiche, ambientali condivise e non condivise su ogni abilità di lettura. Fare clic qui per visualizzare una versione più grande di questa figura.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
L'obiettivo di questo studio era dimostrare come il metodo ben consolidato all'interno della genetica comportamentale, il metodo di decomposizione multivariato Cholesky, possa essere efficacemente utilizzato per comprendere le relazioni tra le variabili nel contesto temporale. In particolare, questo metodo consente di stimare la misura in cui le influenze genetiche e ambientali uniche sorgono durante particolari punti temporali (ad esempio, il grado scolastico), oltre a dimostrare la sovrapposizione delle influenze genetiche e ambientali in molti punti temporali.
C'è un passo critico nel protocollo, che sta stimando il modello di decomposizione multivariato Cholesky. Occasionalmente, lo script del programma di modellazione statistica richiede regolazioni nei valori iniziali in base ai dati immessi. I ricercatori possono utilizzare diversi valori iniziali, suggeriti dall'output del programma di modellazione statistica, per consentire processi di iterazione più fluidi nella generazione di stime genetiche e ambientali.
La modifica del protocollo (cioè lo script del programma di modellazione statistica) può essere necessaria se le variabili latenti sostituiscono le variabili misurate. In Mplus, una variabile latente viene definita utilizzando un'istruzione "BY" con due o più variabili misurate. Ad esempio, in questo script di input con annotato, la variabile latente per ogni gemello è definita nella sezione "MODEL:" come "FLU0 BY nneworf0 nnewnwf0 (3-4);" per il primo gemello nella coppia gemella e "FLU1 BY nneworf1 nnewnwf1 (3-4);" per il secondo gemello nella coppia gemella. Un'altra modifica si riferisce alla rappresentazione grafica dei risultati. I risultati possono essere tracciati utilizzando tecniche alternative, ad esempio grafici a torta. Le colonne impilate sono state usate qui poiché questa è la tecnica di visualizzazione tipica nel campo della genetica del comportamento.
Ci sono limitazioni al metodo di decomposizione multivariato Cholesky. La decomposizione multivariata di Cholesky è l'analisi standard dell'oro nella genetica del comportamento se c'è interesse nell'esplorare le differenze individuali nelle relazioni longitudinali tra variabili diverse in diversi momenti temporali. Se invece c'è interesse nel testare domande guidate dallo sviluppo volte a esplorare le differenze individuali nello sviluppo di una variabile (la stessa) in più punti temporali, è possibile utilizzare un modello simplex (illustrato nella Figura 12). Nel modello simplex,A 1, C1ed E1 i fattori presenti al momento 1 persistono parzialmente fino all'ora 2 (i percorsi di regressione da A1 a A2, A2 a3, ..., C1 a C2, ..., ecc.), a quel punto nuovo possono entrare i residui, etichettati "Res." nella figura 12).
Il modello di decomposizione multivariato Cholesky e il modello simplex producono esattamente la stessa matrice di varianza-covarianza se ci sono due punti temporali, ma eventuali punti temporali aggiuntivi separano i due modelli. Con più di due punti temporali, un metodo di decomposizione Cholesky produce stime tra tutti i punti temporali. Ciò può comportare una stima delle relazioni che non sono così significative dallo sviluppo (ad esempio, influenze genetiche e ambientali dal grado 1 al grado 7). Il modello simplex, d'altra parte, stima le relazioni che sono rilevanti dallo sviluppo (ad esempio, influenze genetiche e ambientali dal grado 1 al grado 2, dal grado 2 al grado 3, ecc.). Quest'ultimo modello riflette la traiettoria naturale dei bambini attraverso la scuola, dove avanzano da un grado all'altro. Una descrizione più approfondita del modello simplex è stata descritta10.
Figura 12: Il modello simplex. Fare clic qui per visualizzare una versione più grande di questa figura.
Un'ulteriore limitazione del metodo di decomposizione multivariata Cholesky è che mentre consente la quantificazione delle influenze genetiche e ambientali, non le identifica. Pertanto, non è possibile determinare in modo specifico quali geni influenzano i tratti misurati dalle variabili utilizzate nell'analisi. Allo stesso modo, si può solo ipotizzato quali ambienti specifici hanno contribuito alle influenze ambientali condivise o non condivise. Nello studio attuale, c'erano alcune prove empiriche su quali potenziali ambienti specifici potrebbero essere stati in gioco. Ad esempio, l'ambiente di lettura in classe nelle scuole elementari ha dimostrato di avere effetti longitudinali sulla comprensione della lettura nelle scuole medie (i risultati dello studio si basano su questo rapporto)11. Tuttavia, ulteriori progressi devono basarsi su ulteriori analisi per identificare altri ambienti.
Nonostante queste limitazioni, il metodo di decomposizione Cholesky è un approccio popolare alle domande di ricerca genetica longitudinale, multivariata e comportamentale. La tecnica è facile da programmare e risolvere. Offre una prospettiva unica nella decomposizione delle relazioni genetiche e ambientali tra i punti temporali, quantificando così le influenze che sono specifiche nel tempo, distinguendole da influenze che si sovrappongono tra più punti temporali.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Gli autori non hanno nulla da rivelare.
Acknowledgments
Questa ricerca è stata sostenuta in parte da una sovvenzione dell'Istituto Nazionale per la Salute infantile e lo Sviluppo Umano (P50 HD052120). Le opinioni qui espresse sono quelle degli autori e non sono state né riviste né approvate dalle agenzie di concessione.
Materials
| Name | Company | Catalog Number | Comments |
| Microsoft Office Excel | Microsoft | ||
| Microsoft Office Powerpoint | Microsoft | ||
| Microsoft Office Visio | Microsoft | ||
| Microsoft Office Word | Microsoft | ||
| Mplus Statistical Program | Mplus |
References
- Muter, V., Hulme, C., Snowling, M. J., Stevenson, J. Phonemes, rimes, vocabulary and grammatical skills as foundations of early reading development: Evidence from a longitudinal study. Developmental Psychology. 40 (5), 665-681 (2004).
- Schatschneider, C., Fletscher, J. M., Francis, D. J., Carlson, C. D., Foorman, B. R. Kindergarten prediction of reading skills: A longitudinal comparative analysis. Journal of Educational Psychology. 96 (2), 265-282 (2004).
- Byrne, B., et al. Longitudinal twin study of early literacy development: Preschool and kindergarten phases. Scientific Studies of Reading. 9 (3), 219-235 (2005).
- Christopher, M. E., et al. Genetic and environmental etiologies of the longitudinal relations between prereading skills and. Child Development. 86 (2), 342-361 (2015).
- Neale, M. C., Cardon, L. R. Methodology for Genetic Studies of Twins and Families. , Springer Science. Kluwer Academic Publishers B.V. Dordrecht, Netherlands. (1992).
- Byrne, B., et al. Genetic and environmental influences on early literacy. Journal of Research in Reading. 29 (1), 33-49 (2006).
- Byrne, B., et al. Genetic and environmental influences on aspects of literacy and language in early childhood: Continuity and change from preschool to grade 2. Journal of Neurolinguistics. 22 (3), 219-236 (2009).
- Erbeli, F., Hart, S. A., Taylor, J. Longitudinal associations among reading related skills and reading comprehension: A twin study. Child Development. 89 (6), e480-e493 (2018).
- Muthén, L. K., Muthén, B. O. Mplus. The comprehensive modeling program for applied researchers: User’s guide. , Muthén and Muthén. Los Angeles, CA. (2012).
- Hart, S. A., et al. Exploring how nature and nurture affect the development of reading: An analysis of the Florida Twin Project on Reading. Developmental Psychology. 49 (10), 1971-1981 (2013).
- Taylor, J., Roehrig, A. D., Hensler, B. S., Connor, C. M., Schatschneider, C. Teacher quality moderates the genetic effects on early reading. Science. 328 (5977), 512-514 (2010).
