Procédures et formules statistiques pour mesurer l’influence d’internalisation / environnement sur les caractères métriques dans Populations humaines
MAX CONASTIASTI et EDGAR MATHEUS
Max ConaserSti. Docteur en philosophie et lettres, Université Complutense de Madrid, Espagne. Docteur en sciences, Université centrale du Venezuela. Professeur, Open National University, Venezuela. Adresse postale: Bâtiment Tarabay, Bâtiment Tarabay, Appartement 3-A, Santa Paula Caracas, Venezuela 1061. E-mail: [email protected]
Edgar Matheus. Ingénieur civil, Université de Los Andes, Venezuela. Master en sciences politiques, Université Simón Bolívar, Venezuela. Consultant Ingénieur, Consortium Decoyne. Venezuela. E-mail: [email protected]
Résumé
L’objectif de ce travail est l’étude et analyse, d’un point de vue statistique, des différentes procédures et formules proposées pour calculer dans les populations humaines, l’influence de l’héritage / environnement dans certaines variables phénotypiques de type continu pouvant être mesurées avec une précision acceptable, telle que la stature, le poids , pression artérielle et intelligence. L’analyse des limitations les plus pertinentes de la formulation statistique examinée et comment, selon les cas, les limitations observées et les nouvelles procédures de calcul ont été générées pour minimiser ces limitations statistiques et méthodologiques. D’un point de vue épistémique et méthodologique, jusqu’en 1974, les enquêtes n’étaient orientées que par l’approche génétique, qui calcule l’influence de l’héritage grâce à l’utilisation de données obtenues à partir de jumeaux ou d’autres membres du groupe familial. Par la suite, l’environnement a commencé à être considéré comme une variable supplémentaire pour la formulation statistique dans l’analyse.
formules statistiques et procédures sur mesure dans les populations humaines L’influence de l’hérédité / environnement dans certaines variables métriques continues
résumé
L’objet de ce travail consiste en l’étude et la Analyse, d’un point de vue statistique, de différentes procédures et formules utilisées pour calculer dans la population humaine, l’influence de l’héritage / environnement dans certaines variables phénotypiques continues pouvant être mesurées avec une précision acceptable, telle que la stature, le poids, la pression artérielle et l’intelligence. Le document présente l’analyse des limitations statistiques et méthodologiques les plus importantes des formulations déception et de la manière dont ces limitations ont été corrigées et d’autres nouvelles procédures de calcul ont été générées pour les minimiser. D’un point de vue épistémique et méthodologique, la recherche jusqu’à 1974 a été orientée par l’approche génétique qui calcule l’influence de l’héritage au moyen de l’utilisation de données sur deux autres membres du groupe familial. Après cela, l’environnement a commencé à être considéré comme une variable supplémentaire pour la formulation statistique dans l’analyse.
Procédures statistiques et formules pour mesurer Influência Herança / Environnement sur les paramètres de caractères em Populações humains
CV
ou but de la dure Trabalho consiste à ne pas étudier EA Anallise, de ou PONTO Vue statistique, deux procédures et formules différentes pour calculer, NAS Populações humanos, à Influência da Herança / Environnement EM Parfois, le type phénotypique de type continu qui sera poussé de mesure. APREMENTA-SE A Análise Das Limithações MAIS CE QUI FORMULAÇUÃO STATISTIQUES CONSIDÉRÉE ET AS, Deuxièmement, TEM a été corrigé comme des procédures limites observées et reconnaissantes de Calcul pour minimiser les statistiques et méthodologiques d’Essas Limithações. De ou hors de la vue épisthémique et méthodologique, j’ai attaché 1974 alors que les investigaçães Estiveram axé uniquement une approche génétique des cheveux, qui calcule Influência da Herança par l’intermédiaire de l’utilisation de GêMeos ou de l’adhésion à Dados du groupe familial. Par la suite ou l’environnement, il faut considérer comme une variable supplémentaire UMA pour les statistiques de Formulação Na Anallise.
Mots-clés / Statistiques / Statistiques / Intégration / Statistique / Intégration / Méthodologie /
reçu le 02/28/2008. Modifié: 06/18/2009. Accepté: 06/20/2009.
L’objectif de ce travail est d’étudier et d’analyser, d’un point de vue statistique, de procédures différentes et de formules proposées pour calculer, dans les populations humaines, la Influence Héritage / Environnement (héritabilité / environnement) sur certains types de caractères polygéniques, qui, lorsqu’ils sont constitués dans des variables sont empiriquement mesurables avec une précision acceptable. Ces caractères sont, par exemple, la stature, le poids, la pression artérielle et, à une moindre mesure en raison des difficultés de leur mesure, de leur intelligence et de leurs variables de personnalité. Cette analyse montrera quelles sont les principales limitations des formules proposées et comment, selon les cas, dans chacun des développements successifs, il a été tenté de surmonter ces limitations. Le déplacement de l’épistémique et de la mise au point méthodologique sera mis en évidence dans les formules et les procédures, lors du passage des conceptions et des mesures orientées génétiquement sur des jumeaux et d’autres kinsters vers des observations dirigées directement vers la mesure environnementale.
Les premières recherches sur l’influence statistique de l’héritage sont celles de Galton (1883), où les corrélations statistiques sont comparées et établies entre les caractéristiques des parents avec des enfants et des petits-enfants, restent des problèmes de traitement difficile des différences de temporalité et environnement entre les différentes générations. En ce sens, la possibilité d’étudier des jumeaux se posera comme un moyen de déterminer statistiquement la relation héritabilité / environnement. Le développement statistique ultérieur dans ce domaine de la recherche a été influencé par la conception d’études avec des plantes et des animaux. Dans le cas des populations humaines, il existe des limitations, en particulier de nature éthique, de former les conceptions expérimentales, y compris dans l’expérimentation dite du terrain, où elle est achetée, d’une part, une homogénéisation et, de l’autre, le hasard affectation des environnements, procédures qui constituent une pratique courante dans la génétique quantitative appliquée aux plantes et aux animaux, mais qui n’est pas facilitée dans les populations humaines.
Pour ces raisons ont été choisis Pour comparer les caractéristiques des deux types de jumeaux, d’univité et de bivitaine, qui étant levées ensemble permettent un contrôle statistique de l’environnement (Holzinger, 1929). Par la suite, Jensen (1967) a prolongé et généralisé la procédure, en incluant la possibilité de comparer les deux types de jumeaux avec celle des enfants adoptés ensemble. Ces dernières années, Rao et al. (1974) ont étudié conjointement et par des comparaisons multiples et simultanées divers types de parenté, tels que des frères, des cousins, des parents et des oncles. Procédures statistiques utilisant des jumeaux et d’autres kins collatéraux, initiées par Rao et al. (1974), ils restent valables jusqu’à présent. MacCallum et Austin (2000) Compte sur la construction et l’utilisation de la modélisation des équations structurelles (SEM, enceinte de l’équation structurelle) dans l’enquête sur l’influence de l’héritage / de l’environnement. Dans toutes ces travaux, il est poursuivi en utilisant comme des données d’entrée de base et dans différentes procédures de calcul (double entrée / corrélation) le coefficient de corrélation Pearson.
Historiquement, tous Les tentatives basées sur la parenté s’étaient concentrées sur le calcul de l’héritabilité, mais de Rao et al. (1974) L’environnement a commencé à être pris en compte, bien qu’il ne s’agisse que d’un facteur d’ajustement, façonnant ainsi des indices qui ont tenté de mesurer la similitude ou la différence environnementale entre les deux membres de la paire. LOEHLIN (1989), dans les conclusions des travaux intitulés « Partition des contributions génétiques et environnementales sur le développement du comportement », a déclaré que la question de l’environnement n’a pas été étudiée en profondeur et qui est bien orientée dans les enquêtes, bien qu’elle ne soit pas connue. . Ils ont atteint des réponses définitives. Il conclut que ce sera du côté de l’exploration environnementale plutôt que du côté génétique, où, à l’avenir, les études donneront leurs personnes âgées. Plomin and Rende (1991) affirme à son tour qu’il est étrange, après des décennies d’environnementalisme, que le facteur limitant dans cet effort de la détermination de l’influence de l’héritage / de l’environnement a été la nécessité de mieux mesurer l’environnement et que, en particulier, sont notamment Peu de mesures qui se concentrent sur l’environnement de l’enfant.
Contasti (1996) introduit, dans sa « formule méthodologique », une proposition de prise en compte de l’environnement.Cette formule a la même structure statistique d’un cas particulier de Jensen (1967), la différenciation car au lieu de paires d’enfants adoptés par l’éducation, des échantillons aléatoires de sujets individuels, du même âge et du même sexe, plus étendus, ont été utilisés dans cette formule. et représentative, qui ne présente qu’une mesure qui indiquerait une similitude de l’environnement familial, ce qui équivaut à l’éducation commune de la paire d’enfants adoptés.
statistique Définition de l’héritabilité. Aspects méthodologiques
On suppose que, par rapport à tout caractère polygénique, héritage héritage et influence de l’environnement. Dans le cas de caractères continus et mesurables empiriquement, on constate qu’entre les sources de variation, en plus de celles générées par l’héritage et de l’environnement, le résidu aléatoire correspondant, généré par la fiabilité des mesures.
Idéalement, il peut être nommé qu’un caractère phénotypique mesuré par une variable t est conforme comme la somme de trois composants: la première, l’influence de l’héritage T (H) , à simplifier indiqué comme (h); la seconde, l’influence de l’environnement variable T (a), afin de simplifier indiquée comme (a) et troisièmement, le résidu aléatoire (E), de sorte que
t = H + A + E
En principe, HYA ne sont pas des variables observables et des mesures empiriquement, c’est donc des constructions; Par conséquent, le résidu aléatoire E n’est généré que par la mesure de la variable t. Lorsque des paires de jumeaux ou d’enfants adoptées ensemble, il est considéré comme une hypothèse de base que les deux environnements correspondant à chacun des deux sujets qui composent la paire sont absolument identiques (A1 = A2); Par conséquent, ils génèrent le même effet: T (A1) = T (A2) s’appellera un environnement commun commun et son effet, de simplifier, sera indiqué comme (c). Si cette hypothèse n’était pas remplie, une mesure différentielle de l’environnement serait implicitement. En outre, en plus du résidu aléatoire et correspondant à la mesure de la variable t, un autre type de déchets aléatoires correspondant aux différences des deux effets environnementaux sera également généré. Ce résidu (A) est appelé environnement incorporel (Falconer, 1960). Dans ces conditions, il peut être exprimé en tant que modèle biométrique de Prescott et Kendler (1996):
t = H + C + A + E
Pour l’estimation de l’héritabilité, à l’aide d’une approche génétique, les échantillons de Twin couramment utilisés ont été les suivants:
– Tout d’abord, les jumeaux ont été soulevés ensemble ont été pris; Dans ce cas, il n’y aurait aucune possibilité de biais statistique puisque biologiquement le couple partage la même charge génétique et, idéalement, ils sont collectés par leurs parents naturels dans des environnements sociaux et éducatifs identiques. Pour simplifier, la corrélation RJJ symbolise la prise de deux mesures de la même variable (T), une pour chaque jumeau qui constitue la paire. Dans ce cas, chaque paire partage l’héritage et, censée, l’environnement commun commun. Il resterait les déchets aléatoires, dont la corrélation, par sa propre condition aléatoire, est des nuls à la fois avec l’héritage et avec l’environnement. Idéalement, à la naissance, si la variable t pourrait être mesurée avec une fiabilité parfaite, la valeur de cette corrélation RJJ doit être égale à l’unité, car seulement dans le ventre maternel pourrait exister un environnement identique, mais plus tard, par diverses circonstances subjectives et individuelles. , Même pour les jumeaux univitimes, cette corrélation, lorsqu’elle est estimée sur différents âges, aura tendance à diminuer et sera légèrement inférieure à celle de l’unité. Cela indiquerait l’existence d’une différenciation de la variable de l’environnement, car les jumeaux, bien qu’ils puissent réussir vingt-quatre heures par jour, ce qui serait un indicateur d’un environnement commun commun, qui seraient différenciés dans la nourriture, la santé, les goûts et autres aspects qui influencent la conformation de l’environnement intangible défini ci-dessus. Cet environnement intangible aura des effets aléatoires conjointement avec des déchets aléatoires de la fiabilité de la mesure de la variable T (Loehlin, 1989, Plomin et Rende, 1991).
-En Deuxièmement, une situation est présentée que, dans des conditions idéales pourraient servir à estimer directement l’influence de la variable d’héritage. Ce serait le cas des jumeaux univiestel mais soulevés séparément.Dans ce cas, afin que l’influence nette de la variable d’héritage puisse être estimée, sans polarisation statistique, les valeurs nominales de la variable d’environnement doivent être randomisées; Cela implique d’attribuer au hasard les deux jumeaux de chaque paire aux environnements de reproduction futurs, qui ne seront pas possibles car ce n’est pas une expérience, comme cela se fait dans les animaux et les plantes, où les variables peuvent être contrôlées et randomisées. Dans ce cas, il est précisément que, d’une part, il n’est pas fréquent qu’il y ait des jumeaux univites qui se produisent séparément et, lorsque des circonstances exceptionnelles ont été données, nous pouvons supposer qu’il y aura une certaine possibilité que certaines des familles adoptantes Avoir une parenté entre eux, qui vivent dans des endroits proches, de sorte que les jumeaux partagent de nombreuses activités sociales communes, telles que la participation des mêmes écoles. La corrélation RSS dans cette circonstance présenterait un certain biais statistique, surestimant le paramètre correspondant à l’influence de l’héritage, puisque la paire peut partager une composante de l’environnement, dont l’effet sera statistiquement accrédité à l’influence de l’héritage. De plus, étant très petits échantillons, les restrictions sur le chemin et la variabilité de la variable d’environnement violent la représentativité de l’estimation.
-Le troisième cas est généré lors de la prise de bivité Les jumeaux du même sexe, élevés ensemble par leurs parents naturels. Chaque paire de jumeaux peut partager généralement 0, 1, 2, ¼, jusqu’à 23 paires de chromosomes, calculant leur probabilité selon une distribution binomiale. Les chances qu’une paire de jumeaux partagent exactement 23 paires de chromosomes (équivalent à des jumeaux univitimes) ou qui ne partagent pas aucune, est très faible. Parce qu’il s’agit d’une distribution symétrique, la probabilité accrue sera lors du partage de 11 ou 12 chromosomes, étant 11,50 l’espoir mathématique de la distribution. Prendre puis un grand nombre de jumeaux de bivitaine, la moyenne, dans l’ensemble des paires aura ~ 11,50. Il y aura également des déchets aléatoires qui seront combinés dans ses effets avec le patrimoine inexploré. Cette corrélation est symbolisée comme RFF.
Le quatrième cas, différent et extrême, sera celui des enfants du même sexe et de l’âge de même sexe sans aucune sorte de parenté, adopté et élevé ensemble de la naissance par elle famille. Ils diffèrent donc uniquement dans l’environnement intra-utérin. Dans ce cas, il n’y a pas de problème plus important de aléatoire de la variable d’héritage, car la grande variabilité génotypique des êtres humains assure cette condition. Le problème serait concernant l’environnement, car les deux enfants, du même âge et du même sexe, doivent être adoptés, car une paire d’enfants / adoptée, pour un éventuel traitement affectif, ne garantira pas l’homogénéité environnementale. Dans les conditions susmentionnées, les échantillons pouvant être obtenus sont si uniques qu’il ne sera pas seulement difficile de les former, mais par son caractère unique n’empêcherait pas tous les types d’environnements possibles; C’est-à-dire que c’est une situation inamicale et, en outre, un biais statistique peut être généré très difficile à détecter ou à prévoir. La paire, censée, partage le même environnement commun commun (c) et la variable qui sera randomisée sera l’héritage, qui serait donc combinée dans ses effets avec le résidu aléatoire. Cette corrélation est symbolisée en tant que RPP.
Pour évaluer les termes statistiques Les différents coefficients de corrélation utilisés (RJJ, RSS, RFF, RPP), dans tous les cas ce sera Compte tenu de l’influence des quatre composantes que nous avons appelées l’héritage (h), un environnement commun commun (C), un environnement incorporel et des déchets aléatoires (E). D’autre part, et selon le cas, il sera possible de séparer deux parties entre les Sumondos: un qui sera identique et / ou équivalent (E) pour les deux composants du couple (premier groupe entre parenthèses) et un autre qui est différent et aléatoire (deuxième groupe entre parenthèses).
de telle manière, la variable t sera donnée par:
T = (H + C) + (A + E) pour les jumeaux UNIVITELINE relevés ensemble,
T = (H) + ( C + A + E) Pour les jumeaux univitimes séparés,
T = (0.5H + C) + (0.5H + A + E) pour biviter Les jumeaux ont augmenté ensemble et
t = (c) + (H + A + E) pour les enfants adoptés ensemble.
Dans ces conditions, vous pouvez accéder aux formules de corrélation similaires à celles développées dans la théorie de la fiabilité. Il est démontré (Nunnally, 1967) que toute corrélation du type RIJ où XI, XJ a une pièce courante équivalente (E) et une autre randomisée représentera directement une proportion entre les écarts.Plus précisément, la proportion de la variance totale de x qui s’explique par la partie commune équivalente (E). Ce développement a été confirmé par Jensen (1971).
La définition statistique de l’héritabilité sera explicite en évaluant les corrélations entre jumeaux et adopté, comme suit:
rjj = (SH2 + SC2) / ST2 pour les jumeaux univitimine soulevés ensemble dans un environnement commun commun.
RSS = SH2 / ST2 = H2 (héritabilité), pour les jumeaux UnivitationEneline soulevés séparément dans des environnements différents de différents environnements randomisés. L’héritabilité (H2) est ensuite définie comme la proportion de variance de la variable t expliquée par les variables de la variable du patrimoine SH2 / ST2.
rff = ( 0.5SH2 + SC2) / ST2 pour les jumeaux de bivitaine élevés ensemble dans un environnement commun commun
RPP = SC2 / St = C2 pour des paires adoptées ensemble dans un environnement commun commun.
Notez que RPP ne peut pas définir de manière opérationnelle (A2), puisque seul l’environnement commun partagé est pris en compte. L’environnement (A2) sera défini comme la proportion de variance de la variable t expliquée par les variantes de l’environnement.
A2 = (SC2 / ST2) + ( SA2 / ST2) (environnement)
Si, idéalement, t peut être mesuré avec une fiabilité parfaite et l’environnement incorporel n’existait pas, alors il aurait à H2 + C2 = 1. Comme dans une situation empirique, il n’est pas possible, et il n’est pas possible d’avoir des environnements absolument identiques, puis H2 + C2 < 1.
Lors du calcul du RPP, la non-existence d’environnements absolument identiques (AI¹ AJ) crée une erreur aléatoire générée par l’environnement incorporel dans la variable d’environnement (A), qui influencera sous-estimer la valeur correspondante. à l’environnement commun commun (c) et surestimant de manière complète la valeur de l’héritabilité (H2). D’autre part, lors du calcul du RSS dans des jumeaux univitimés soulevés séparément, l’absence de caractère aléatoire de l’environnement de couple peut générer une corrélation crédité statistiquement à l’héritage. Cette relation influencera donc la valeur ajoutée H2. Notez que, historiquement, dans l’une quelconque des cas, une surestimation de l’héritabilité aura toujours été présentée.
formules et procédures proposées
Pour étudier l’influence de l’héritage dans un certain caractère phénotypique, Holzinger (1929) a utilisé les différences de ce caractère entre les deux jumeaux soulevés ensemble qui forment la paire. Lors de la comparaison des différences moyennes entre les jumeaux UNIVITELINE (II-IJ) avec la différence moyenne entre les jumeaux de bivitaine (FJ), il est censé prendre des valeurs absolues, la moyenne correspondant aux jumeaux de bivitaine (FJ), il est supérieur à la moyenne correspondant aux jumeaux UNIVITELINE (II – IJ). L’expression statistique de la procédure est présentée en termes de variance des différences et serait
h2 = (var (fi -fj) – var (ii -jou ))) / Var (fi -fj) (1)
Utilisation de certaines hypothèses considérées comme acceptables lors de la gestion de gros échantillons ou de populations générales, cette formule peut être exprimée dans termes des coefficients de corrélation de Pearson correspondants.
H2 = (RJ J – RFF) / (1,00 – RFF) (2)
Lors de l’évaluation de la CE. 2 de Holzinger (1929), nous constatons que si rjj = 1, puis, H2 = 1, quelle que soit la valeur RFF. Cela constitue une limitation de l’équation présentée. Lors de la révision des calculs dans de petits échantillons selon les deux procédures proposées, étant donné les hypothèses utilisées pour passer d’une équation à l’autre, il existe en général des résultats différents. Pour cette raison, lors de l’utilisation de la CE. 2, qui est exprimée par le coefficient de corrélation Pearson, les données de chaque paire de jumeaux sont dupliquées, en tenant compte de la duplication dans l’ordre inverse. Cette procédure de calcul de coefficient de corrélation de Pearson a été historiquement nommée corrélation à double entrée.
Falconer (1960) utilise la formule correspondant à la corrélation intraclasse, qui est exprimée en relation entre Deux types de variances. En analyse de variance, la variance d’une variable (T) mesurée dans différents groupes peut être décomposée en deux parties: variance entre les groupes, VaR (E) ou la variance pondérée entre les bas de groupes et les intragroups de variance, la variance, la variance. (I) ou moyenne des écarts internes au sein des groupes.La formule générale connue du coefficient de corrélation intraclasse (I) sera
i = var (e) / (var (e) + var (i))
Les formules utilisées, une calculée par la procédure à double entrée par paires et l’autre comme estimé de la corrélation intraclasse, génère des résultats identiques (Taylor, 1980). Comme Loehlin (1989) exprime, différentes enquêtes sur la héritabilité utilisent les deux versions de calcul, en fonction du programme électronique utilisé. Saudino et al. (1995), dans l’une de ses dernières études avec des jumeaux, sur l’influence de l’héritage / de l’environnement des aspects capricieux, il se souvient de manière répétitive que la corrélation intraclasse est utilisée à l’aide d’une procédure à double entrée. Le coefficient de corrélation intraclasse (I), pour être formé par une relation entre les écarts, serait équivalent à un coefficient de détermination (R2) dans sa structure algébrique. De la même manière, un coefficient de corrélation à double entrée, RJJ et / ou RFF, et comme Jensen (1971) dit, exprime directement et sans la nécessité de prendre sa valeur à la place une relation entre les écarts.
Falconer (1960) a travaillé sur des dessins expérimentaux chez les animaux, en particulier chez les souris et dans la mouche de Drosophila. Bien qu’il ne présente pas une expression algébrique particulière en tant que formule d’héritabilité, faisant référence à des populations humaines, il exprime que la différence entre les coefficients de corrélation des jumeaux univies et les jumeaux de bivainine pourrait être prise dans des cas idéaux comme estimation de la double hétification.
dans notre notation, ce qui a été exprimé par Falconer (1960) serait formalisé comme
H2 = (RJJ – RFF / (0,50)
ou, équivalent, comme
H2 = (RJJ – RFF / (1 – 0.50)
Notez que la valeur de 0,50 résulte de la conséquence d’une expression symétrique entre le numérateur et le dénominateur. Dans le numérateur, la différence se situe entre deux expressions empiriquement calculées (RJJ et RFF); Dans le dénominateur, d’autre part, la différence est donnée entre deux valeurs probabiliquement estimées et fait référence à la différence entre la charge génétique partagée par les deux jumeaux univitimine (100%) et la moyenne de la charge génétique partagée par les deux Les jumeaux Bivitine, que comme l’espoir mathématique approche de 50%, la valeur qui est exprimée sur le plan opérationnel à travers la proportion de chromosomes courants dans les deux jumeaux. Avec précision, précis et identique dans des jumeaux univitimes et probabilistes et moyens dans les jumeaux de bivainine.
Jensen (1967), de l’expression de Falconer (1960), proposée pour Le calcul de l’héritabilité une généralisation qui inclut toute paire de garantie liée par la parenté ou par sélection, étant à une extrémité des jumeaux univies qui partagent 100% de sa charge génétique (G) et à l’autre extrémité des paires d’enfants adoptés de la même sexe qui, idéalement, si leurs parents n’ont pas d’ancêtres communs, ont une charge génétique de grille qui s’approche de zéro (0%).
Jensen (1967) a généralisé cette formule, proposant:
h2 = (rxx – ryy) / (gxx – gyy) avec rxx > ryy et gxx gyy
où RXX: corrélation entre la paire de pêchements xx levée ensemble, Ryy: Corrélation entratrice E el paire de la parenté et et relevé ensemble, GXX: Proportion moyenne de la charge génétique partagée par la paire Set XX et Gyy: la proportion moyenne de la charge génétique partagée par l’ensemble de paires et et.
de cette manière, les héritages suivants sont obtenus:
H2 = (RJJ – RFF) / (1,00 – 0,50) (expression de fauconnier), utilisant des jumeaux et des jumeaux de bivitaine univitine,
H2 = (RFF – RPP) / (0,50 – 0,00) en utilisant des jumelles de bivitaine et des paires adoptées et
H2 = (RJJ – RPP) / (1,00 – 0,00) à l’aide de jumeaux UNIVITELINE et des paires adoptées.
Les critiques les plus persistantes de l’application de ces formules font référence aux proportions moyennes des charges génétiques partagées (Taylor, 1980) et de l’hypothèse que l’influence de l’environnement commun commun est égale aux deux éléments de la paire dans tous les types de parenté ( Loehlin, 1989). Pour un ensemble de jumeaux de Bivitine, bien que, en moyenne, ils partagent 50% de la charge génétique, des facteurs qui augmentent cette valeur sont donnés, tels que des affinités électives entre les parents, tels que les mariages consanguins. De plus, les deux enfants doivent être du même sexe.De même pour les couples adoptés, bien que la proportion moyenne de chargement génétique partagée, dans une véritable situation empirique serait accrue par le choix des deux enfants à adopter et la possibilité de la consommation à distance entre eux. De même, les deux enfants devraient être du même sexe.
de rao et al. (1974) Toutes les études où la comparaison des pairs liés par la parentalité ou la parenté a été utilisée se situe dans la méthode générale appelée modélisation des équations structurelles (SEM). D’une manière particulière, pour l’estimation des corrélations, ils utilisent la technique appelée analyse de la route (MacCallum et Austin, 2000). Pour chaque paire de jumeaux, de parenté ou adopté ensemble dans un environnement commun partagé, il est généré par la technique de l’analyse de la route l’équation de base suivante en tant que modèle théorique:
rij = (cicj) x rgigj + (hihj) x RGIGJ + (CJHJ) x RAGI + (CJHJ) X RAJGJ
où c représente l’effet sur la variable phénotypique De l’environnement commun commun, H représente l’effet sur la variable phénotypique de l’héritage et de la RAA, de la RGG et du chiffon représente des constructions théoriques, non observables et / ou moyennes. Se asignan valores de acuerdo a la teoría probabilística de la herencia ya la condición aleatoria de la muestra que implica independencia entre las variables.
Cada ecuación expresa el valor teórico del coeficiente de correlación de Pearson, conformado a partir de rutas y correlaciones que son de carácter teórico y/o hipotético, y que se estructuran entre las dos variables observadas (ti tj) por una parte, y un conjunto de variables no observadas o latentes, por l’autre. Donc, ci = cj; Salut = hj; Rgg = 1,00 dans les jumeaux univitimine; RGG ~ 0,50 en moyenne, pour les jumeaux et les frères de bivitaine; Rgg ~ 0,25 en moyenne, pour cousins; RGG ~ 0,00 en moyenne, pour des paires adoptées; Chiffon = 0,00 par corrélation héritage / atmosphère raigi = rajgj; et raa = 1.00 par définition de l’environnement partagé commun
la manière que le programme de modélisation des équations structurelles est que vous avez observé des valeurs du coefficient de corrélation, une pour Chaque parenté et / ou adopté et dans chaque équation RGG est estimée en fonction de la théorie génétique. Il possède un système surdéterminé si le nombre de coefficients de corrélation observés empiriquement est supérieur au nombre d’inconnues.
la manière que les procédures d’estimation des inconnues pour ces Situations, dans lesquelles il y a un plus grand nombre de valeurs calculées empiriquement que des inconnues, est par des procédures itératives. Utilisation de programmes informatiques, certaines valeurs initialement arbitraires sont attribuées aux inconnues, qui sont ensuite modifiées et ajustées, jusqu’à ce que les valeurs théoriques de la corrélation résultant dans le modèle par rapport aux valeurs empiriquement observées de cette même corrélation, dans Les jumeaux, les kins et adoptés, ajustent autant que possible. Un critère de réglage statistique est utilisé, le plus habituel étant connu comme la technique des carrés minimum (Rao et al., 1974, même, 1975).
L’évaluation de La bonté de l’ajustement obtenu sera exprimée en calculant la statistique C2, avec un total de qualités de liberté égal à la différence entre le nombre de valeurs empiriquement observées et le nombre d’inconnues à estimer. La valeur de probabilité associée (P) du test C2 exprimerait le niveau minimum de signification (probabilité d’erreur du premier type), avec laquelle l’hypothèse de nullité peut être rejetée. En cas de non-significative statistiquement cette différence, on pourrait en déduire que les valeurs des inconnues peuvent être considérées comme des estimations cohérentes des paramètres / constructions correspondants. Cela n’implique toutefois pas qu’il puisse être affirmé que les valeurs trouvées sont les seules et / ou les seules que possible (Bentler et Bonchett, 1980). Cette observation peut être considérée comme la principale limitation de cette procédure.
l’approche environnementale
de la Angle méthodologique de la considération et de la mesure environnementale, CONTALATI (1996) propose une formule méthodologique dont la structure statistique est similaire à un cas particulier de la formule générale de Jensen (1967). Le cas particulier des formules proposées par Jensen serait une partie dans laquelle les jumeaux univitimine élevés avec des paires d’adoptées du même sexe et de la même âge, ont également augmenté de la naissance par la même famille. La formule de Jensen est H2 = (RJJ -RPP) / (GJJ -GPP).En supposant que pour les jumeaux univitine GJJ = 1 et que pour les paires adoptées GPP = 0, la formule est transformée en H2 = RJJ -RPP.
Conasteti (1996) Il a proposé d’utiliser, au lieu du coefficient de RPP, une corrélation intraclasse équivalente, dans laquelle la mesure de la variable phénotypique (t) est remplacée par paires adoptées ensemble, par une mesure nominale de l’environnement. Cette mesure doit indiquer des environnements similaires et / ou équivalents dans les familles d’un grand groupe d’enfants et / ou de matières du même âge et du même sexe. Lors de l’obtention d’une caractérisation nominale de l’environnement pour un échantillon aléatoire, les résultats seront soumis à un traitement statistique pertinent conformément à la procédure établie, afin d’obtenir une estimation équivalente à la RPP. La formule méthodologique propose catégorise l’environnement nominalement, de sorte que pour tous les sujets appartenant à une certaine catégorie nominale, il est supposé partager un environnement similaire, ce qui correspond à l’environnement commun commun de la paire d’adoption. Pour tous les sujets 1.2, …, J, …, N, qui appartiennent à la catégorie nominale I, est supposé: AI1 = ai2 … = aj = … ain, et plus spécifiquement en relation avec l’effet de cet environnement AJ, dans la variable t, par conséquent, il est supposé que
t (AI1) = T (AI2) = … = T (AIJ) = = t (ain)
Contasti (1996) décrit une procédure spécifique pour calculer un coefficient de corrélation intraclass: appliquer cette procédure, il sera nécessaire de transformer la catégorie variable d’environnement (a) dans un ou plusieurs niveaux de métrique. Cette façon de calculer un coefficient de corrélation intraclasse sera différente de la procédure classique et traditionnelle comme une relation entre deux variances. L’avantage de la procédure, vers l’avenir, le rendra plus rapide pour calculer un coefficient de corrélation multiple intraclasse, c’est-à-dire avec deux ou plusieurs variables indépendantes, il résulte de la levée d’un coefficient de corrélation linéaire de Pearson RTS entre la variable phénotypique de intérêt (t) et une variable (s) à construire (s). Cette variable représentera une transformation métrique des catégories nominales; Pour le construire, il sera pris comme des valeurs attribuées, pour tous les sujets J qui appartiennent à une catégorie nominale I, précisément la moyenne (T *) des valeurs variables de tous les sujets qui appartiennent à ce nominal catégorie i. Par conséquent, sij = ti * pour i = 1 i k. En général Ti * Différent TJ *.
Notez que, tandis que le coefficient de corrélation intraclass sa, comme le coefficient de coefficient de double entrée, il a la même structure d’un coefficient de détermination (R2); Au lieu de cela, comme un coefficient de corrélation linéaire de Pearson entre deux variables différentes, il doit être élevé sur le carré de sorte qu’il acquiert la même structure d’un coefficient de corrélation intraclasse et signifie donc une proportion de la variance expliquée. Pour comprendre à travers une approximation conceptuelle, pourquoi la valeur RTS2 représente un coefficient de corrélation intraclasse, il vaut la peine d’analyser le comportement de la variable (s) conçue (s) dans deux situations limites: 1) lorsque le coefficient de corrélation intraclass est égal à zéro et 2) Lorsque le coefficient de corrélation intraclasse est égal à un. On sait que RTS2 représente la proportion de la variance de la variable dépendante t expliquée par les fluctuations de la variable indépendante. Puis
i = voir / vtot = voir / (ve + vi).
où vous voyez : variance entre les moyens (T *) des catégories nominales K I; VI: moyenne pondérée des variances internes (VI dans la variable T dans les catégories nominales K).
Case 1: Sa = 0. Oui VI = VTOT, puis Voir = 0 et son = 0. Ce cas sera donné lorsque la distribution de la variable dépendante (T) est identique à chacune des catégories nominales K. La variance interne (VI) dans chacune des catégories nominales K, sera égale à la variance totale (VTOT) de la distribution de la variable dépendante (T) dans le collectif, ce qui est pourquoi, pour toute valeur individuelle T, dans Toute des catégories nominales K, elle correspondrait à la variable S toujours une valeur S = T *, qui sera la même dans toutes les catégories nominales K. Pour tout ij, vous aurez vous * = tj *. Notez alors que RTT * = 0, RTS = 0 et RTS2 = 0.
Case 2: Sa = 1. Si j’ai vu = 0, alors sa = 1. Cette affaire sera donnée lorsque des variances internes VI, dans toute la catégorie nominale K sont égales à zéro. Par conséquent, dans l’une quelconque des catégories nominales I pour tous les sujets J de cette catégorie nominale I, une valeur constante de la variable t sera présumée.Cette valeur sera différente pour les catégories nominales K, et dans chaque cas, il sera identique à la moyenne T *, (S = T = T *), pour toutes les valeurs S à l’intérieur de chacune des catégories nominales K. Notez alors que RTT * = 1, RTS = 1, RTS2 = 1.
La procédure de calcul de la corrélation RTS, car elle devient explicite, constitue une formule méthodologique que Pour être opérationnels, il faut concerner de manière perfectionnable que les catégories nominales soient construites, de manière à ce que, à ce état de l’environnement, sont les plus parfaitement homogènes. Cette condition, dans les corrélations où des paires liées aux parents sont utilisées, est obtenue lorsque les deux enfants adoptés sont élevés ensemble depuis leur naissance. Par conséquent, le problème instrumental d’exploitation de la formule méthodologique de Contasti consiste à construire ces catégories nominales de manière homogène. CONTALATI (1996), pour présenter un exemple pratique, lorsque l’utilisation statistique et le fonctionnement statistique de la formule a été présentée principalement, a proposé une mesure nominale qui impliquerait, plus que le concept d’environnement commun partagé entre adopté, le concept d’environnement équivalent de Les familles, dans le sens où établir la similitude de l’environnement (catégories nominales) utilisent des données obtenues avec un instrument pour la mesure du niveau socio-économique des familles, appelées en fonction du nom de son auteur comme une échelle de graffar (1956), qui Pour le Venezuela a été adapté par Méndez Castellano (1982). Étant donné que cette échelle n’a pas été conçue dans le but d’évaluer la similitude dans l’environnement des familles, cela constitue une limitation de l’application de la procédure en termes de précision de l’estimation des valeurs numériques particulières des paramètres, mais cela fait Ne pas demander une validité statistique à la formule méthodologique proposée.
Conclusions et recommandations
des études de Galton (1883 ) Jusqu’aux formulations de Jensen (1971) Le problème était axé sur le calcul de la héritabilité, en utilisant des jumeaux, des kins et des enfants adoptés. Cette tendance s’est poursuivie (Maccallum et Austin, 2000), étant donc l’approche prédominante du présent, dont la plus grande limitation est la surestimation systématique du coefficient de pilonnage obtenu.
de rao et al. (1974) La mesure de l’environnement est prise en compte, bien que ce n’était qu’un facteur d’ajustement de compenser statistiquement les différences environnementales entre les membres du couple. Notez que, en ayant un élément de base, l’utilisation des paires est maintenue l’approche génétique initiale dans la mesure de la héritabilité. Avec la formule méthodologique de CONTALAT (1996), l’approche est modifiée et il faudra essayer de mesurer directement l’environnement, la possibilité qui avait déjà été prévue et promue par Loehlin (1989) et Plomin et Rende (1991). Il convient de noter comme une limitation instrumentale que l’opérationnalisation proposée par Contasti comme exemple d’utilisation de sa formule méthodologique, implique une mesure très crue et indirecte de l’environnement familial par le biais de facteurs socio-économiques qui constituent l’échelle de graffar.
Dans la proposition de calcul de la corrélation de la CRTSTti, contrairement à l’utilisation de RPP, signée par l’homogénéisation de l’environnement, en considérant les paires d’enfants adoptés collectées ensemble , lors de la catégorisation de l’environnement sur une échelle nominale, il est autorisé, progressivement et perfectible, d’une part, la mesure nominale de l’environnement peut être améliorée en permanence et, par l’autre, qui peut être utilisée dans des populations plus spacieuses et sans restriction, Sauf le hasard de l’échantillon choisi.
logiquement, l’utilisation de mesures brutes et peu de mesures par rapport à l’environnement sera générée Faites une sous-estimation de l’environnement et, par conséquent, une surestimation de l’héritabilité, mais il est à son tour possible que, systématiquement, à l’avenir, en incorporant et en intégrant des mesures multiples, diverses et plus précises de l’environnement, ce biais peut être réduit continuellement. En ce sens, il sera nécessaire de prévoir et de concevoir un coefficient de corrélation multiples intraclass, qui intègre deux ou plusieurs mesures ou dimensions de l’environnement.
d’une perspective épistémique, Vous pouvez répéter (Conastesti, 1996) qui historiquement, en utilisant des études d’héritage dans le vieillissement commun comme un indicateur de similitude dans l’environnement des jumeaux, d’autres kins et des paires d’enfants adoptés, ce problème a travaillé avec ses propres méthodes d’observation d’un naturel de base science. En incorporant une mesure nominale de l’environnement, des méthodes constructives et opérationnelles, typique d’une science artificituelle technologique sont utilisées.
référencias
1. Bentler PM, BONETTTED DG (1980) Test de signification et bonté de l’ajustement dans l’analyse des structures de covariance. Psychol. Taureau. 88: 588-606.
2. Contasti M (1996) Fórmula Metodológica Herencia / Ambiente Para Variables Biológicas Y Sociales. Information Inv. EDG. X: 51-56.
3. Eaves LJ (1975) Test des modèles de variation de l’intelligence. Hérédité 34: 132-136.
4. Falconer DS (1960) Introduction à la génétique quantitative. Ronald. Nueva York, Eeuu. 365 pp.
5. Galton F (1883) enquête sur la faculté humaine et son développement. Macmillan. Londres, ru. 387 pp.
6. Graffar M (1956) UNE METHODE DE CLASSIFICATION SOCIALES D ‘ÉCHANTITLONS DE POPULATION. Courrier VI: 445-459.
7. Holzinger KJ (1929) L’effet relatif de l’influence et des influences de la nature sur les différences jumelles. J. EDG. Psychol. 20: 241-248.
8. Jensen AR (1967) Estimation des limites de la héritabilité des traits par comparaison des jumeaux monozygotiques et dizygotiques. Proc. Nat. Acad. SCI. 58: 149-156.
9. Jensen AR (1971) Une note sur la raison pour laquelle les corrélations génétiques ne sont pas carrées. Psychol. Taureau. 75: 23-24.
10. LOEHLIN JC (1989) Partitionnement des contributions environnementales et génétiques au développement comportemental. Un m. Psychol. 44: 1285-1292.
11. Maccallum RC, Austin JT (2000) Applications de la modélisation de l’équation structurelle dans la recherche psychologique. Annu. Rev. psychol. 51: 201-226.
12. Méndez Castellano H (1982) Método Graffar Modificado Para Venezuela. Fundacredesa. Caracas, Venezuela. 56 pp.
13. Nunnally J (1967) Théorie psychométrique. McGraw-Hill. Nueva York, Eeuu. 640 pp.
14. Plomin R, RENDE R (1991) Génétique comportementale humaine. Annu. Rev. psychol. 42: 161-190.
15. Prescott CA, Kendler KS (1996) Stabilité longitudinale et changement de consommation d’alcool chez les jumeaux femelles: contributions de la génétique. Dev. Psychopathol. 8: 849-866.
16. RAO DC, Morton NE, YEE S (1974) Analyse de la ressemblance familiale II. Un modèle linéaire pour la corrélation familiale. Un m. J. Genet humain. 26: 331-359.
17. Saudino KF, McGuire S, Reiss D, Hetherington EM, Plomin R (1995) Évaluations de parent des tempéraments Eas dans des jumeaux, des frères et sœurs complets, des demi-frères et sœurs et des frères et sœurs de pas. J. pers. SOC. Psychol. 68: 723-733.
18. Taylor HF (1980) Le jeu IQ: une enquête méthodologique sur la controverse de l’environnement héréditaire. Rutgers University Press. Nouveau-Brunswick, NJ, Eeuu. 276 pp.