Удк 159. 9 Ббк88 р 12 Федеральная программа книгоиздания России Рецензенты канд психол наук С. А. Исайчев, доктор биол наук И. И. Полетаева РавичЩербо ив и др Р
 Скачать 3.61 Mb.
|
|
ОЦЕНКА СОСТАВЛЯЮЩИХ ФЕНОТИПИЧЕСКОЙ ДИСПЕРСИИ МЕТОДОМ ПЕРЕБОРА (ПОДБОРА) МОДЕЛЕЙ (МПМ) Некоторые корреляции родственников (например, корреляции МЗ близнецов, разлученных при рождении, или приемных сиблингов — усыновленных детей-неродственников, выросших водном доме) сами по себе дают информацию, которой достаточно для получения ответов на центральные вопросы психогенетики о том, насколько вариативность данного признака объясняется разнообразием среди генотипов, наблюдаемых в данной популяции. Подобное может быть сказано и о тех методах психогенетики, которые сопоставляют корреляции, полученные у двух типов родственников, например корреляции МЗ и ДЗ близнецов, приемных детей — с биологическими и приемными семьями. Однако в современных исследованиях предпочтение при анализе психогенетических данных отдается непрямым оценкам составляющих фенотипической дисперсии, а применению метода перебора подбора) моделей. Этот метод представляет собой специфическую адаптацию метода структурного моделирования к задачам генетики количественных признаков. МПМ отличается несколькими преимуществами) более точной оценкой искомых параметров 2) возможностью оценивать более сложные генетические модели, например учитывать половые различия и моделировать ГС-корреляции ив- заимодействия; 3) возможностью сводить водном анализе данные, относящиеся к разным типам родственников, и получать, благодаря этому, относительно несмещенные оценки параметров и 4) возможностью тестирования нескольких альтернативных моделей с целью выбора той, которая наилучшим образом соответствует исходным данным. В рамках генетики количественных признаков применение метода перебора моделей сводится к решению систем уравнений для обнаружения такого набора параметров (те. подбора такой модели, который наилучшим образом соответствует набору исходных данных корреляций родственников. Главное преимущество МПМ заключается в том, что он позволяет тестировать все те допущения, которые не учитываются в традиционных методах генетики количественных признаков. Например, обсуждая метод близнецов, мы указывали на то, что одним из допущений этого метода является допущение об отсутствии ассортативности. МПМ позволяет сравнить две модели (учитывающую ассортативность и не учитываю- 206 Рис. 8.7. Диаграмма путей фенотипических корреляций по исследуемому признаку для двух типов МЗ близнецов а) выросших вместе и (6) разлученных при рождении по 364]. Обозначения — в тексте. щую ее) и выбрать ту, которая наилучшим образом соответствует эмпирическим данным. В качестве еще одного примера применения МПМ рассмотрим анализ родственных корреляций на основе модели, приведенной на рис. 8.7. Эта модель описывает фенотипическое сходство МЗ двух типов — выросших вместе аи разлученных при рождении б. Каждая из моделей содержит две измеряемых переменных — фе- нотипические значения близнецов, и Р МZ2 ), и две латентных, неизмеряемых переменных — эффекты генотипа (G), и эффекты среды Е. Среды близнецов, выросших вместе, коррелируют r E MZ . Путь от латентной переменной — генотипа (G) к измеряемой переменной фенотипу Р) обозначается h; путь от латентной переменной среды Е) к измеряемой переменной фенотипа Р) обозначается е. Задача моделирования заключается в том, чтобы решить систему уравнений и оценить два неизвестных параметра — е и h. Применяя правила анализа путей, запишем следующую систему уравнений ) ( ; ) ( 2 2 2 h h h r б e r h e e r h r a MZ EMZ EMZ MZ = × = + = ⋅ ⋅ ⋅ = Эта система содержит два уравнения и два неизвестных и решается алгебраически. Итак, мы проиллюстрировали простое приложение МПМ. Напер- вом этапе с помощью диаграмм путей записывается система уравнений, описывающих фенотипические корреляции для всех типов родственников, данные которых анализируются. Затем исследователь формулирует набор альтернативных моделей, среди которых и ведется поиск модели с наилучшим соответствием эмпирическим данным. 207 Например, исследователь может протестировать соответствие полученным данным следующих трех моделей, согласно которым феноти- пическое сходство родственников по определенному признаку объясняется) только аддитивной генетической составляющей 2) только доминантной генетической составляющей 3) наличием и аддитивной, и доминантной генетических составляющих. Модель наилучшего соответствия выбирается на основе значения квадрата и других статистических показателей, оценивающих степени соответствия модели исходным данным. Как уже указывалось, перебираемые модели могут быть очень разветвленными и сложными они могут включать в себя множественные фенотипы, измеренные у нескольких типов родственников лонгитюд- ным методом (те. несколько раз за время исследования) и т.д. Результаты применения МПМ могут быть использованы только при тестировании альтернативных моделей. Иными словами, МПМ не дает доказательств правильности тестируемой научной гипотезы он позволяет лишь выбрать наиболее адекватную материалу генетическую модель. МПМ является элегантными сложным статистическим методом, применение которого требует наличия определенных навыков. СТРУКТУРНОЕ МОДЕЛИРОВАНИЕ Структурное моделирование сложный современный метод, требующий и больших объемов выборок, и специальной квалификации исследователя, и наличия соответствующих компьютерных программ. Детальное изложение его не входит в задачи данного учебника, мы даем краткую характеристику его возможностей, чтобы читатель, столкнувшись в литературе с этим типом анализа, смог адекватно понять его смысл. Статистические методы моделирования с помощью линейных структурных уравнений (МЛСУ)**, описывающих латентные переменные, были разработаны на основе приемов статистического анализа множественных переменных, используемых биологами, экономистами, психологами и социологами, МЛСУ предполагает формулирование набора гипотез о влиянии одних переменных (независимых) на другие (зависимые) переменные. Соответствие подобного набора гипотез, те. теоретической модели, и реальных данных, собранных при работе с конкретной выборкой, те. эмпирической модели, формализуется с помощью статистического алгоритма, оценивающего степень их согласованности (меру соответствия. * Полное описание спецификации МПМ в рамках количественной генетики выходит за пределы данного учебника. Подробное изложение этого метода дается в руководствах Лоэлина [320J, а также Нила и Кардона 1342]. На русском языке пример применения МПМ в рамках психогенетики приведен в работе Е.А. Григоренко и М. ЛаБуды 144]. ** История возникновения и этапы детальной разработки МЛСУ описаны Бентлером [189; 190], а в работах Боллена [198] и Бентлера и его коллег [191] содержится современное техническое описание МЛСУ. 208 МЛСУ особенно полезно при статистическом анализе большого количества переменных, интеркорреляции которых известны. Задачами его являются суммирование этих переменных, определение отношений между ними, оценка качества измерительных инструментов, контроль ошибки измерения (как для измеряемых, таки для латентных переменных) и нахождение соответствия между измеряемыми и латентными структурами. Правомерно будет сказать, что в ситуациях, когда набор переменных неточно измеряет латентную структуру, являющуюся предметом исследования, те. практически в любом случае, когда больше чем одна наблюдаемая переменная используется для представления латентной структуры, МЛСУ с латентными переменными следует применять как наиболее адекватный метод статистического анализа. Учитывая, что в психологии большинство латентных структур измеряется именно посредством не одной, а нескольких переменных и не может быть представлено без ошибки измерения, возможность и необходимость применения МЛСУ в этой области знаний становится очевидной. Моделирование с помощью структурных уравнений представляет собой метод, родственный методу систем регрессионных уравнений, который используется при формулировании, детализации и тестировании теории или гипотезы. Структурные уравнения соотносят зависимые переменные и набор детерминирующих (независимых) переменных, которые в свою очередь могут выступать в роли зависимых переменных в других уравнениях. Подобные линейные уравнения в совокупности с уравнениями, детализирующими компоненты дисперсии и ковариации независимых переменных, составляют структурную модель. Составление и запись уравнений, детализирующих компоненты дисперсии и ковариации независимых переменных, осуществляются с помощью матричной алгебры. Статистической основой МЛСУ является асимптотическая теория, подразумевающая, что оценка и тестирование моделей осуществляются при наличии относительно больших по численности выборок испытуемых. Использование МЛСУ требует больших затрат компьютерного времени, поэтому пользователи при тестировании моделей предпочитают использовать стандартные статистические пакеты типа LISREL [295] и EQS [189]. Эти пакеты, несмотря на различия в деталях, основаны на одних и тех же общих математических и статистических подходах, применяемых к анализу систем линейных структурных уравнений. Основополагающая математическая модель [189] относится к классу ковариационных структурных моделей, включающих как множественную регрессию, анализ путей, одновременный анализ уравнений, конфирма- торный факторный анализ, таки анализ структурных отношений между латентными переменными. Согласно модели Бентлера-Викса, параметры любой структурной модели могут быть представлены в виде регрессионных коэффициентов, дисперсий и ковариации независимых переменных. Статистическая теория позволяет оценивать эти параметры с использованием мульти- факторной нормальной теории, а также более общих теорий — эллиптической и арбитрального распределения, основываясь на обобщенном методе наименьших квадратов или теории минимального квадрата. * * * В данной главе мы рассмотрели несколько краеугольных понятий генетики количественных признаков. Ее центральным допущением является представление о том, что фенотипическая вариативность признака может быть представлена в виде независимо действующих 14-1432 209 генетической (аддитивной, доминантной и эпистатической) и средо- вой (общей и индивидуальной) составляющих и составляющей, описывающей взаимодействия между генами и средой (ГС-корреляции и ГС-взаимодействия). На этом строятся существующие в количественной генетике математические методы. Используя принцип разложения фенотипической дисперсии, можно определить так называемый коэффициент наследуемости, который говорит о том, какой процент фенотипической дисперсии объясняется вариативностью генотипа в популяции, Коэффициент наследуемости может быть определен несколькими способами, каждый из которых имеет свои достоинства и недостатки, поэтому использование того или иного способа должно определяться задачами работы, типом и объемом эмпирического материала. Одновременно генетико-математические методы позволяют надежно выделить доли дисперсии, определяемые различиями в об- щесемейной и индивидуальной среде. Надо лишь иметь ввиду, что содержательный анализ любого средового компонента требует привлечения собственно психологических знаний и иногда специального подбора экспериментальных групп. ГЕНОТИП И СРЕДА В ИЗМЕНЧИВОСТИ ПСИХОЛОГИЧЕСКИХ ПРИЗНАКОВ Глава ГЕНОТИП-СРЕДОВЫЕ СООТНОШЕНИЯ В ВАРИАТИВНОСТИ КОГНИТИВНЫХ ФУНКЦИЙ Изучение причин, формирующих вариативность признаков, сталкивается с рядом трудностей, не всегда отчетливо представленных в аналитических обзорах по психогенетике. О некоторых из них уже шла речь, поэтому здесь мылишь коротко напомним о них. Первая трудность связана с комплексностью, многозначностью психологических функций, процессов, явлений. Вследствие этого во многих случаях нет даже единого определения соответствующего понятия, которое принималось бы большинством исследователей примером может служить понятие интеллект, речь о котором подробнее пойдет дальше. На языке психодиагностики это означает, что реально в таких случаях отсутствует содержательная теоретическая, конструк- тная) валидность теста, а это в свою очередь ставит вопрос о том, генетику какого же психологического признака мы изучаем. Иными словами, валидность заключения о генетической или средовой детерминации любой психологической черты прямо зависит от валидности использованного психодиагностического инструмента. Вторая трудность заключается в том, что психологическая черта как объект генетического изучения имеет ряд существенных особенностей. Она есть особый признак событие, а не структура [264], операция, а не свойство [82], Любая тестовая оценка есть результат некоторого процесса решения данной диагностической 14* 211 III задачи, обычно скрытого от глаз диагноста. Ясно, что к одному и тому же результату разные люди приходят разными путями (например, одинаково хорошее запоминание может опираться у одних на зрительное запечатление, у других — на логическую обработку материала. Это означает, что по своим психологическим механизмам фе- нотипически идентичные признаки (черты) могут быть совсем разными. Изменение же механизмов реализации признака означает, что реально мы имеем дело с совсем иным психологическим событием, вероятно, имеющими иное нейрофизическое обеспечение, и, вполне вероятно, иную этиологию. Эта мысль впервые была четко сформулирована АР. Лурия [99]; базой для нее служило выдвинутое Л.С. Вы- готским положение о смене в онтогенезе элементарных, натуральных, близких к физиологической основе форм психологических функций высшими, социально опосредованными. Предполагалось, что первые теснее связаны с генотипом, чем вторые. Современные пси- хогенетические данные говорят о том, что такой линейной, простой зависимости нет, но сама возможность изменения генотип-средовых соотношений в вариативности психологического признака при изменении внутренних механизмов его реализации безусловно существует. Такая смена может происходить в онтогенезе, в эксперименте, в результате обучающих воздействий. Возможно, именно это является причиной закономерных возрастных изменений в генотип-средовых соотношениях, а также случайных несовпадений результатов разных исследований. Наконец, третья трудность определяется различиями в статистической надежности диагностических тестов. Как правило, вопросники имеют более низкую надежность, чем психометрические процедуры например, тесты интеллекта. Как отмечалось во Введении, надежность измерительного инструмента (вернее, та часть коэффициента, которая говорит о степени его ненадежности) включается в оценку индивидуальной (внутрисемейной, уникальной, неразделенной) среды. Это означает, что в исследовании можно получить завышенную оценку средовой дисперсии, которая будет отражать нереальную роль индивидуальной среды в формировании признака, а невысокую надежность его измерения. Указанные трудности следует иметь ввиду при знакомстве с пси- хогенетическими исследованиями. 1. ПСИХОГЕНЕТИЧЕСКИЕ ИССЛЕДОВАНИЯ ИНТЕЛЛЕКТА Подавляющее большинство исследований в психогенетике посвящено межиндивидуальной вариативности интеллекта, измеряемого, в зависимости от возраста испытуемых, различными тестами. Думается, не будет большим преувеличением сказать, что эти работы занимают около 80% всего массива психогенетических публикаций. Принято считать, что преобладание данной проблематики объясняется стремлением понять происхождение социально наиболее значимой психологической переменной именно с оценками интеллекта коррелируют школьная и профессиональная успешность, социальная мобильность и другие проявления социального благополучия или неблагополучия. Как справедливо пишет МА. Холодная, в современных условиях интеллектуальный потенциал населения — наряду с демографическим, территориальным, сырьевым, технологическим параметрами того или иного общества — является важнейшим основанием его прогрессивного развития [166]. Кроме того, существует точка зрения, согласно которой введение наследуемости как вторичного критерия (те. после оценки валидности и надежности) в создание тестовых батарей повышает вероятность того, что измеряемая переменная относится к исходному, природному, первичному психологическому качеству, и тем самым повышается прогностическая валидность теста. Однако как объект генетического исследования интеллект чрезвычайно неудобен, прежде всего из-за отсутствия четкого, принятого если не всеми, то хотя бы большинством исследователей определения этого понятия. Один из ведущих психологов США, Р. Стерн- берг, по материалам двух симпозиумов, прошедших в 1921 и 1986 гг., сопоставил признаки, которые в эти годы считались существенными атрибутами интеллекта. Их — 21, среди которых 8 отсутствовали в 1921 г, но появились в 1986 г. и два, наоборот, ко времени второго симпозиума исчезли. В наибольшем числе работ — по 50% всех исследований в обоих случаях — в качестве основной характеристики интеллекта рассматривались компоненты высшего уровня — понятийное мышление, решение проблем, принятие решения, но одновременно к ним относили и элементарные процессы — перцепцию, внимание, а также скорость обработки информации, способность к обучению, внешние поведенческие проявления — эффективность, успешность реакции, адаптацию к среде. В целом корреляция частот атрибутов интеллекта, использованных с летним интервалом, равнялась, те. довольно большое количество их было в поле зрения исследователей ив хи в х годах. Повторялись и некоторые темы дискуссий, например, сколько существует интеллектов — один или множество — и нив том, нив другом случае согласие достигнуто не было. В связи с этим обсуждался и объем понятия, и сама дефиниция. В х годах предметом изучения стало взаимодействие между знанием и мыслительными процессами и т.д. Общую тенденцию Р. Стернберг описывает как переход от психометрических вопросов в 1921 г. к изучению информационных процессов, культурного контекста и их взаимодействия — в 1986 г. [415]. Известно, что два основных подхода к оценке структуры интеллекта, а через нее и к содержанию самого понятия интеллект связаны 213 с именами К. Спирмена и Л. Терстона. Согласно первому подходу, существует некоторый общий фактор, определяющий успешное решение отдельных тестовых задач — фактор общего интеллекта, обозначаемый буквой «g» (от «general factor»). Аргументом за его существование служит обычно констатируемая корреляция между оценками, получаемыми по разным тестовым задачам предполагается, что успешность решения отдельных субтестов может совпадать только в том случае, если за ними стоит одна и та же латентная переменная, в данном случае — общий интеллект. Однако наряду с общим фактором «g» в каждом когнитивном тесте присутствует специфичный только для него частный фактор «s». Поэтому теория Спирмена и названа двухфакторной теорией интеллекта. Автор второго подхода Л. Терстон утверждал обратное интеллект есть сумма нескольких независимых способностей. Основанием такого утверждения служило выделение нескольких групповых факторов, которые и были обозначены как первичные умственные способности. Их — 7: пространственная способность, перцептивная, вербальная, вычислительная, мнемическая, беглость речи и логическое рассуждение. Согласно этой концепции, описание индивидуального интеллекта профиль, а не единственная оценка в столько-то баллов IQ. Дополнительными аргументами за эту точку зрения являются факты чрезвычайного развития какой-либо одной способности (например, описаны случаи необычных мнемических и вычислительных способностей, а также, наоборот, резкого снижения одной конкретной способности при некоторых хромосомных аномалиях. Подробно эти подходы анализируются в упоминавшейся книге МА. Холодной [166]. Она отмечает (и вполне справедливо, что реально ив результатах Спирмена кроме общего присутствуют частные факторы, те. отдельные способности, а выделенные Терстоном факторы коррелируют между собой, те. имеют некоторую общую основу. Поэтому речь идет скорее об одной теории, в рамках которой подчеркивается либо общий (Спирмен), либо частные (Терстон) факторы. Эта дилемма, возникшая еще в х годах, существует поныне, хотя ив иных формах. До сих пор одни исследователи отрицают существование общего фактора «g», считая его химерой, другие полагают, что работы последних лет также подтверждают его существование, хотя никто из них не утверждает, что проблема интеллекта решена [182, 206]. Как будет показано дальше, эта ситуация нашла отражение ив психогенетических исследованиях. В более поздние годы возникли новые проблемы, например интерпретация интеллектуальных тестов как оценки обучаемости [68], скорости обработки информации [251] и т.д. МА. Холодная предлагает принципиально новое определение интеллекта интеллект — это форма организации индивидуального ментального (умственного) опыта, а индивидуальные оценки его следует искать в особенностях индивидуального умозрения (в том, как человек воспринимает, понимает и объясняет происходящее [166; с. 352—353]. Она полагает, что такое понимание интеллекта больше, чем тестовые задачи, соответствует естественной стихии человеческого познания и более органично встраивается в проблему индивидуальности, поскольку индивидуализированные субъективные средства овладения действительностью выступают в качестве одного из важнейших условий индивидуализации. жизнедеятельности человека там же с. 354]. Таким образом, здесь речь идет не о психометрике, а скорее об оценке проявлений интеллекта в реальном поведении в реальной среде. Посмотрим, наконец, определение интеллекта в отечественных психологических словарях последних лет — они, как всякий справочник, должны давать наиболее устоявшиеся сведения. В словаре 1983 г интеллект в широком смысле есть совокупность всех познавательных функций человека (ощущения, восприятия и др в узком — мышление. Отмечаются три понимания функции интеллекта как способности к обучению, как оперирование символами, как способность к активному овладению закономерностями окружающей действительности. В словаре 1985 г интеллект — относительно устойчивая структура умственных способностей индивида [85; с. 119]. И наконец, в словаре 1996 г интеллект — «1) общая способность к познанию и решению проблем, определяющая успешность любой деятельности и лежащая в основе других способностей 2) система всех познавательных способностей индивида ощущения, восприятия, памяти, представления, мышления, воображения 3) способность к решению проблем без проб и ошибок, "в уме. Понятие И. как общей умственной способности применяется в качестве обобщения поведенческих характеристик, связанных с успешной адаптацией к новым жизненным задачей [129; с. 138]. Общее в этих определениях одно понимание интеллекта как совокупности всех когнитивных способностей, близкое к схеме Спир- мена. Другие аспекты различаются, что и отражает сложность той реальности, которая скрывается за понятием интеллект. Нельзя не согласиться с А. Дженсеном, когда он говорит, что неопределенный термин — не лучший фенотип для психогенетического анализа [296]. Все это важно иметь ввиду, когда идет речь о происхождении индивидуальных различий по интеллекту. Учитывая, что в психогене- тике используются психометрические процедуры, поскольку именно они позволяют получить континуум индивидуальных оценок (тесты Векслера, Стенфорд-Бине, Бейли и т.д. — в зависимости от возраста, все выводы касаются только того интеллекта, который диагностируется этим инструментарием. * Желающие более детально ознакомиться с историей и современным состоянием исследований интеллекта могут обратиться к упомянутой книге МА. Холодной и соответствующей главе в книге МС. Егоровой [58]. 215 Отсутствие какой-либо теории интеллекта, стоящей за ним, отмечалось многократно. Неслучайно иногда исследователи специально оговаривают, что именно будет пониматься под термином интеллект в конкретной работе. Например, видная американская исследовательница С. Скарр водной из своих последних работ пишет Для целей данной главы интеллект определяется как оценки (scores) когнитивных тестов, включая стандартные тесты интеллекта и факторы, извлекаемые из тестов специфических когнитивных способностей чаще всего интеллект будет означать общий интеллект, или "g". Принимается, что интеллект развивается через овладение культурно значимыми знаниями и навыками в человеческой "социальной среде [398; с. 4]. По мнению Дженсена, необходимо, очевидно, вообще различать фенотип, подлежащий изучению, и некоторый частный индекс этого фенотипа. Интеллект как психологический конструкт и IQ как стандартизованная оценка данного ментального теста — примеры фенотипа и его индекса. Необязательно существует идеальная корреляция между реальным фенотипом (если он поддается измерению) и некоторым его индексом [296; с. 55], Поэтому и причины формирования изменчивости того и другого, как считает Дженсен, могут не совпадать. Иными словами, — повторим еще раз, поскольку это принципиально важно, — интерпретация данных, получаемых при изучении изменчивости оценок интеллекта прямо зависит от интерпретации той латентной переменной, на диагностику которой направлена используемая методика. С пониманием этой стороны дела перейдем к изложению эмпирических данных в психогенетике интеллекта. Учитывая, что любой метод психогенетики, как и вообще любой исследовательский метод, имеет спои ограничения, наиболее убедительные сведения мы можем добыть, объединяя и сопоставляя результаты, полученные разными методами. Одно из первых таких обобщений появилось в 1963 г. [248; см. также. В нем были обобщены результаты 52 работ, включавших 30 000 пар — 99 групп людей разных степеней родства, В обобщение были включены только те исследования, которые имели достаточно большие выборки, не вызывавшие сомнений психодиагностические методики, в близнецовой части — надежную диагностику зиготности. Более двух третей всех корреляций относится к баллам IQ, остальные к специальным тестам. На рис. 9.1, отражающем эти общие результаты, отчетливо виден параллелизм степени родства, те. количества общих генов, и сходства по интеллекту чем выше первое, тем выше и второе. Даже врозь воспитанные МЗ близнецы имеют более высокое в среднем сходство, чем ДЗ и сиблинги, выросшие вместе, Это позволило авторам сделать вывод о генетической обусловленности вариативности оценок интеллекта средние значения корреляций близки к тем, которые могут быть получены теоретически, с учетом только меры генетической общности. 216 Рис. 9.1. Сходство по когнитивным характеристикам у людей разной степени родства и средовой общности [248]. Горизонтальные линии — порядок величии коэффициентов корреляций. Точки — отдельные коэффициенты. Вертикальные штрихи — медианы. Следующее обобщение содержится в работе Р. Пломина и Ф. де Фриза [360; см. также 132]. Она интересна и тем, что в ней сопоставляются результаты, усредненные дважды — по работам, произведенным доги с 1976 по 1980 г. Это позволяет оценить воспроизводимость результатов очень важный показатель их надежности (табл. 9.1). Обе колонки корреляций, независимо от колебаний величины коэффициентов, обнаруживают одну и туже закономерность одинаковые гены дают высокое сходство по интеллекту даже в том случае, если среда была разной одна и та же среда, при отсутствии общих генов, дает несопоставимо меньшее сходство по баллам IQ. В самом деле сходство вместе выросших МЗ близнецов равно надежности теста, те. результатам повторного тестирования одних и тех же людей (r = 0,86 и r =0,87 соответственно у разлученных МЗ близнецов сходство несколько ниже, однако оно все же выше, чему родственников, живущих вместе, но имеющих только 50% общих генов (упер- вых оно равно 0,75, у вторых корреляции колеблются от 0,34 до 0,62); наконец, у последней группы людей, воспитанных водной семье, ноне являющихся родственниками, те. не имеющих общих генов, сход- 217 Таблица 9.1 Коэффициенты внутрипарных корреляций по показателю общего интеллекта Коэффициент внутрипарной корреляции по обобщенным данным работ дог. поданным работ, проведенных в 1978- 1980 гг. Степень генетического сходства сравниваемых людей п /• п r I, Генетически идентичные Один и тот же индивид, тестированный дважды — — 456 0,87 МЗ близнецы, выросшие вместе 1082, 0,87 1300 0,86 МЗ близнецы, разлученные 107 0,75 — — II. Генетически связанные друг с другом ДЗ близнецы, выросшие вместе однополые пары 0,53 864 0,62 разнополые пары 2052 0,53 358 0,62 сиблинги, выросшие вместе 8288 0,49 776 0,34 сиблинги, выросшие врозь 125 0,40 — — Ребенок, выросший с биологическими родителями, и один из родителей 371 0,50 3973 0,35 Ребенок, выросший в приемной семье, и один из его биологических родителей 63 0,45 345 0,31 III. Генетически несвязанные друг с другом Приемные сиблинги 195 0,23 601 0,25 Приемный ребенок и один из родителей-усыновителей — 0,20 1594 0,15 Супруги между собой 1885 0,44 5318 0,29 Незнакомые люди 15086 -0,01 — — ство по интеллекту самое низкое (0,15-0,25). Исключение составляет сходство супругов между собой, но это — особый феномен ассорта- тивности, те. избирательного подбора супружеских пар (гл. V, VIII), а не результат совместной среды. 218 Наконец, результаты третьего обобщения, опубликованного в тоже время, что и предыдущие, но более детального [207] можно для наглядности представить так, как это сделано на рис. 9.2. Читатель сам может оценить многие моменты, заключенные в табл. 9.1 и на рис. 9.2. Генетико-математический анализ этого материала, осуществленный методом подбора моделей, показал, что генетические влияния определяют 45% вариативности по интеллекту, а влияния общей среды имеют разный вес в разных группах больше всего ее вклад — в выборке близнецов (37%), затем — сиблингов (24%), родителей и детей (20%), двоюродных родственников (11%) [363]. Популяционная вариативность признака формируется во взаимодействии генотипов и сред (см. основную формулу генетики количественных признаков, гл. VIII), поэтому можно предположить, что существенные социальные, экономические и другие изменения в жизни общества могут повлечь за собой и изменения в соотношении генетических и средовых детерминант в изменчивости интеллекта. С этой точки зрения очень интересно недавнее норвежское исследование близнецов-мужчин, служащих в норвежской армии [420; цит. по 363]. У 757 пар МЗ и 1093 пар ДЗ близнецов, которые были разделены на когорты по годам рождения с 1930 по 1960, оценивался широкий спектр интеллектуальных способностей. За это время, особенно после Второй мировой войны, в Норвегии произошли большие перемены и социальной и общеобразовательной политике в сторону расширения гражданских прав и возможностей для учебы. Результаты генетического анализа таковы в целом по выборке внутрипарные корреляции МЗ и ДЗ близнецов — соответственно 0,83 и 0,51; среди родившихся в 1931 — 1935 гг., перед войной, эти величины равны 0,84 и 0,51; для родившихся после войны и, следовательно, росших в существенно иных условиях корреляции практически такие же 0,83 и 0,51. В результате оценки наследуемости оказались несколько выше тех, которые получают обычно h 2 = 2 (r МЗ — r ДЗ ) = 0,64 (как правило, они колеблются вокруг 0,50). Возможно, это отражает действие каких-то факторов, специфичных для Норвегии, нонам сейчас важно обратить внимание на то, что изменения (даже существенные) социальной среды воспитания, находящиеся в пределах экологической адекватности для человека, не меняют зависимость вариативности интеллекта от вариативности генотипов в данной популяции. Как уже отмечалось, одним из наиболее надежных экспериментальных (точнее, квазиэкспериментальных) приемов психогенетики является исследование разлученных МЗ близнецов, поскольку в этом случае исследователь имеет близкую к критическому эксперименту ситуацию два человека с идентичной наследственностью воспитаны в разных условиях, и, следовательно, обнаруживаемое между ними сходство не может быть объяснено общей средой. Сводка результатов, имеющихся сегодня по разлученным МЗ близнецам, приведена в работе Т. Бушара [206]. Всего было проведено пять 219 220 221 |