Опыт статистического моделирования динамики психологического состояния населения в период критических ситуаций

В статье представлены результаты лонгитюдного исследования психологической адаптации населения в условиях шокового периода, вызванного специальной военной операцией (2022 г.). На выборке — ​шесть последовательных волн опроса из 313 респондентов с использованием методов вероятностно-статистического моделирования, проанализирована динамика психологического благополучия и стратегий «совладания». Выявлены два устойчивых структурных блока психологических показателей: общее психологическое благополучие (эмоциональный, социальный и личностный компоненты) и конструктивное совладание (позитивное переосмысление, принятие, юмор). Для каждого блока построены интегральные индексы, показавшие различную динамику: относительную стабильность «благополучия» и значимое снижение «совладания» после объявления частичной мобилизации. Для каждого индекса выявлены четыре типа динамики, образующие зеркальные пары. Установлено, что принадлежность к тому или иному типу адаптации не определяется социально-демографическими факторами (пол, возраст, образование, доход), но связано с начальными социально-психологическими установками. С помощью эконометрических моделей вложенных дихотомий выявлены статистические предикторы адаптации: «доверие к институтам», «социальный оптимизм», «идентификационные установки» и «когнитивные стратегии». Исследование показывает, что в условиях кризиса адаптационные траектории статистически предсказуемы на основе психологических установок начального периода опроса. Это подчеркивает роль данных установок как предикторов будущей адаптации.

1. Айвазян C.А., Фантаццини Д. (2014). Эконометрика‑2: продвинутый курс с приложениями в финансах. М.: Магистр, ИНФРА-М.

2. Балацкий Е.В., Екимова Н.А. (2007). Эффект инерции в формировании социальных настроений // Мониторинг общественного мнения: экономические и социальные перемены. № 3 (83). С. 85–94.

3. Гаврилец Ю.Н, Кудров А.В., Тараканова И.В. (2022). Статистический анализ и моделирование взаимосвязи региональной экономики и науки // Экономика и математические методы. Т. 58. № 4. С. 56–70.

4. Гулин К.А., Дементьева И.Н. (2009). Экономическое положение и социальное самочувствие населения регионов Северо-Запада России в условиях кризиса // Экономические и социальные перемены в регионе: факты, тенденции, прогноз. № 4.

5. Латова Н.В. (2024). Удовлетворенность россиян разными аспектами жизни: десятилетний тренд на фоне социально-экономических кризисов // Социологические исследования. № 9. С. 17–29.

6. Нестик Т.А. (2023). Социальный оптимизм россиян в условиях кризиса: результаты лонгитюдного исследования // Психологический журнал. Т. 44. № 3. С. 5–17.

7. Нестик Т.А., Селезнева А.В. и др. (2021). Проблема психологического состояния общества и политических процессов в современной России // Вопросы психологии. Т. 67. № 5. С. 3–14.

8. Окольская Л.А. (2024). Эмоции россиян в 2014–2024 гг. // Социологические исследования. № 9. С. 30–42.

9. Савин С.Д. (2024). Кризисно-стабилизационная динамика массового сознания российского общества // Социологические исследования. № 6. С. 76–87. [

10. Смолева Е.О. (2023). Социально-психологическое состояние населения Вологодской области в кризисные периоды: социально-структурные характеристики // Социологические исследования. № 7. С. 40–52.

11. Тощенко Ж.Т., Харченко С.В. (1996). Социальное настроение. М.: Academia, 1996. 196 с.

12. Фабрикант М.С. Связь социального доверия и беспокойства о будущем в сравнительной кросс-культурной перспективе // Социальная психология и общество. 2023. Т. 14. № 4. C. 120–134.

13. Шестопал Е.Б. (2022). Влияние психологического состояния российского общества на публичную политику // Политическая наука. № 3. С. 181–202.

14. Юревич А.В. (2019). Опыт эмпирической оценки психологического состояния современного российского общества (анализ данных статистики) // Психологический журнал. Т. 40. № 5. С. 84–96.

15. Akaike H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, no. 19, pp. 716–723.

16. Arslan R.C., Walther M.P., Tata C.S. (2020). Formr: A study framework allowing for automated feedback generation and complex longitudinal experience-sampling studies using R // Behavior Research Methods, no. 52(1), pp. 376–387.

17. Hair J.F., Black W.C. et al. (2010). Multivariate data analysis. Hoboken: Prentice Hall.

18. Hosmer T., Hosmer D.W., Fisher L.L. (1983). A comparison of the maximum likelihood and discriminant function estimators of the coefficients of the logistic regression model for mixed continuous and discrete variables // Communications in Statistics, no. B12, pp. 577–593.

19. Hosmer D.W., Hosmer T. et al. (1997). A comparison of goodness-of-fit tests for the logistic regression model // Statistics in Medicine, no. 16, pp. 965–980.

20. Menard S. (1995). Applied logistic regression analysis. In: Sage university series on quantitative applications in the social sciences. Thousand Oaks (CA): Sage.

21. Scharbert J., Reiter T. et al. (2023). A global experience-sampling methodstudy of well-being during times of crisis: The CoCo project // Social and Personality Psychology Compass, no. 17 (10), e12813.

22. Schweizer K., Schneider R. (1997). Social optimism as generalized expectancy of a positive outcome // Personality and Individual Differences, no. 22(3), pp. 317–325.