Модель Барта и Хауэрд

Наиболее популярной ранней моделью, с которой были соотнесены корреляции родства, была модель, изначально разработанная Рональдом Фишером в 1918 году. Модель Барта и Хауэрд, приложенная к медианным корреляциям родства Эрленмейер-Кимлинга и Ярвика, показывала наследуемость IQ выше 80%. На тесное соответствие этой модели медианным корреляциям с гордостью указывали Йенсен, Айзенк и другие сторонники генетической детерминации.

Для применения модели Барта и Хауэрд необходимы по крайней мере три корреляции родства — для мужа и жены, для родителя и ребенка и для сиблингов. Три недавних семейных исследования — Де Фриза (1979), Спулера (1976) и Гуттмана (1974) — дают возможность реализовать такой подход. Следует заметить, что эти исследования использовали не медианные корреляции из разных исследований, а результаты своего собственного тестирования. Так получилось, что во всех трех исследованиях испытуемым предъявляли один и тот же тест IQ — прогрессивные матрицы Равена, невербальный тест, который часто описывается как почти чистое измерение гипотетического «фактора общих умственных способностей». В каждом из трех исследований модель не работает. То есть она продуцирует математически невозможные степени отсутствия генетического доминирования. Если бы мы просмотрели этот фатальный изъян, модель указывала бы широкую наследуемость в трех исследованиях соответственно на уровне 25, 13 и 26%. Одним словом, модель Барта и Хауэрд работает (и предполагает очень высокую наследуемость) только тогда, когда применяется по отношению к искусственным медианным корреляциям, или к «скорректированным оценкам» Барта, но не тогда, когда она применяется по отношению к реальным данным, собранным в индивидуальных контролируемых исследованиях.

Новое поколение моделей

В любом случае модель Барта и Хауэрд теперь устарела. В настоящее время имеются гораздо более точные и математически сложные модели. Основная особенность моделей последнего поколения в том, что они используют соответствующие статистические методы для одновременного включения всего набора корреляций родства (а не только трех категорий родства, которые использовали Барт и Хауэрд), продуцируя максимально возможное общее соответствие, максимально уравновешивая расхождения и учитывая должным образом размеры выборки разных категорий родства. Насколько идеально модель и данные соответствуют друг другу, можно проверить статистически, и можно получить оценки наследуемости IQ. Есть две главные школы разработчиков моделей, каждая со своими собственными посылками и методами, — одна в Бирмингеме (Англия), другая в Гонолулу.

Нынешние амбициозные создатели моделей сталкиваются с очевидной проблемой. Предполагается, что их модели приложимы ко всему спектру корреляций родства, но, увы, никто не собрал полный набор таких корреляций в одном исследовании. Таким образом, эти модели используются разными создателями моделей применительно к разнообразным произвольным наборам медианных или средних корреляций, и хотя модели новые, корреляции, по отношению к которым они применяются, не новы. К примеру, полученная после 1963 года медианная корреляция «родитель—ребенок», равная 0,33, не используется в каких-либо процедурах моделирования. Не используются и недавние семейные исследования, результаты которых не согласуются с высокой наследуемостью. Если бы они были брошены в тигель при выведении средних корреляций, то потонули бы в пестрой коллекции статистических данных, собранных с 1912 по 1963 год.

Чтобы понять в подробностях результаты процедур обработки данных с помощью моделей, необходимо иметь некоторые знания о количественных методах. К счастью, американский эконометрист Артур Голдбергер суммировал работу в этой области исключительно ясным и информативным образом. Он не побоялся «вступить в спор с генетиками, которые сотворили эту революцию в методах анализа», и мы можем теперь пойти по следам его критических комментариев.

Бирмингемская школа — в работе 1970 года, выполненной Джинксом и Фулкером, и в работе 1975 года, выполненной Ивсом, — применила модели к двум разным наборам английских корреляций родства. Модели близко соответствовали данным и предполагали наследуемость на уровне 83 и 85%. Проблема в том, что все корреляции, использовавшиеся в этих двух процедурах, представляли собой «скорректированные оценки» Сирила Барта. То, что генетическая модель имеет близкое соответствие сфальсифицированным данным Барта, не является причиной для торжества. Затем бирмингемский тип модели был применен по отношению к двум другим наборам американских корреляций — Ивсом в 1975 году и им же снова в 1977 году. Подсчитанная наследуемость составила теперь 68 и 60%. Соответствие между двумя этими величинами, однако, более кажущееся, нежели реальное. Бирмингемская модель, в отличие от гонолулской модели, заранее допускает проявление эффекта генетического доминирования в анализируемых корреляциях. Если пользоваться цифрами 1975 гада, то около половины генетической вариативности было эффектом доминирования, тогда как в цифрах 1977 года эффект доминирования в буквальном смысле отсутствовал. Если брать цифры 1975 года, то говорилось, что практически вся средовая вариативность IQ разделялась членами семьи; в цифрах 1977 года буквально вся средовая вариативность была уникальной для индивидов и никак не разделялась членами семьи.

В 1972 году Дженкс применил сложную и несколько сомнительную модель к набору американских медианных корреляций и сообщил о наследуемости IQ на уровне лишь 45%. В отличие от модели бирмингемской школы, модель Дженкса допускала возможность ковариативности генов и среды. То есть люди, наследующие «гены высокого IQ», могут быть теми самыми людьми, которые также имеют тенденцию испытывать влияния, благоприятствующие развитию высокого IQ, в каковом случае было бы невозможно приписать их высокие показатели IQ либо генам, либо среде. Произвольная модель, использовавшаяся Дженксом, давала заключение, что около 20% всей вариативности IQ было следствием такой ковариативности генов и среды.

Гонолулский тип модели был использован применительно к набору американских медианных корреляций родства Рейо, Мортоном и Йи. Эта модель, как и модель Дженкса, допускает эффект ковариативности генов и среды, которым в этом случае объяснялось около 14% всей вариативности IQ. Но, в отличие от бирмингемской модели и модели Дженкса, гонолулская модель не допускает эффекта генетического доминирования, и потому, разумеется, не было выявлено никакого эффекта доминирования.

Их модель обладает интересной особенностью: она позволяет выводить показатели наследуемости отдельно для детей и для взрослых. Рейо, Мортон и Йи оценили наследуемость на уровне 67% среди детей и только на уровне 21% среди взрослых и предположили, что, когда люди заканчивают школу и начинают осваивать разные профессии, вариативность IQ может становиться все более и более зависимой от различий в опыте. Тот же самый тип модели был применен к расширенному набору американских корреляций — в основном с теми же результатами.

Встроенные ложные посылки

Как мы видели, есть немало произвольного в конструировании модели, и никто не может сказать, что посылки одной модели более обоснованны в научном плане, чем посылки другой. Есть, однако, некоторые, явно необоснованные посылки, встроенные во все модели, — посылки, которые оказывают эффект завышения оценок наследуемости. Бирмингемская и гонолулская модели исходят из совершенно невероятной предпосылки, что с точки зрения релевантности для IQ жизненный опыт пары МЗ близнецов не более сходен, чем жизненный опыт пары обычных сиблингов. Обе школы используют заведомо ложную посылку, что приемные дети помещаются в семьи, выбираемые из общей популяции по случайному принципу и демонстрирующие полный диапазон средовой вариативности. Абсурдность этих посылок документальна подтверждена в двух предыдущих главах.

Эти ложные посылки не просто случайные упущения. Они имеют центральное значение для игр, в которые играют создатели моделей. Тот факт, что посылки, служащие основанием моделей, не заслуживают веры, означает, что выводы, получаемые с помощью этих моделей, также не заслуживают веры. Причина этого печального состояния дел без обиняков озвучена профессором Голдбергером:

«Чтобы объяснить упорное использование подобных посылок, нам нужно только уяснить себе, что без них модели были бы неопределимыми. Если бы были внесены менее ограничивающие, а значит, более вероятные спецификации, количество неизвестных параметров приблизилось бы к числу наблюдений и скоро их превысило. Неправдоподобные посылки нужны для того, чтобы идентифицировать параметры и продуцировать оценки и тем самым приносить удовлетворение создателям моделей. Но оценки, получаемые таким путем, не заслуживают внимания остальных людей».

Профессор Айзенк торжественно сообщил своим читателям о «революции в методах анализа», произведенной генетиками, — о перевороте в науке, который могут понять психологи, но он находится за пределами понимания обывателей. Мы вынуждены заметить, однако, что нет никаких ясных и надежных данных, к которым могут быть применены эти революционные модели. Мы даже не знаем, какова истинная корреляция между родителем и ребенком; исследования, о которых сообщалось с 1963 года, предполагают величину, которая не может быть соотнесена с моделями. Что, возможно, еще более важно, мы отметили, что конкурирующие модели базируются на очень разных посылках и что все модели включают в себя некоторые удобные для исследователя, но откровенно ложные посылки. Чтобы понять удовольствие, которое извлекают создатели моделей из своих игр в моделирование, необходимо иметь познания в вопросах количественных методов анализа. Впрочем, обыватель легко может понять, что подобные эстетически приятные модели ничего не говорят нам о реальном мире. Главное — не давать себя ослепить ссылками на авторитеты или сложными формулами — а также высокопарными заявлениями о научных революциях.