传统的观点认为口吃是一些儿童语言发展过程中学习口吃者说话学习所致,即口吃的习得理论。随着对口吃的重视,有学者调查发现父母对口吃的态度、家庭成员的数量,以及家庭成员的口吃历史都是与口吃有关的因素。83.3%的口吃儿童生活在不到4人的家庭中,而非口吃儿童对照组中64.7%的儿童生活在不到4人的家庭中。他们认为口吃的孩子多说话可能会减少口吃的发生。国内也有越来越多的理论研究解释口吃是如何发生的。也有学者[2]采用构音速度方向(directions into velocitied of articulators,DIVA)模型解释普通话口吃的原因。他将该模型转换为有6个主要元音的普通话,以模拟口吃过程。通过改变前反馈控制系统和后反馈控制系统的比例,合成口吃语音。这与国外一些研究类似,当前反馈控制占主导地位时,会增加口吃的风险,即当大脑的运动调节对传入反馈控制过重时会发生口吃。随着影像学的发展,也有学者[3] 通过磁共振成像(magnetic resonance imaging,MRI)和弥散张量成像(diffusion tensor imaging,DTI)分析了成年口吃患者的大脑,并健康成人进行了比较。发现口吃患者的左侧侧脑室的宽度明显高于右侧。此外,口吃患者的胼胝体压部宽度明显小于健康志愿者。也有研究发现,口吃成年患者的胼胝体尾部和中部比一般人的面积大