shkolakz.ru   1 2 3
«Национальный Показательный Проект по сокращению количества тяжких преступлений и улучшению эффективности правительства» (группа Махариши для правительства), проведенный в Вашингтоне с 7 июня по 30 июля 1993 г. Этот эксперимент, проведенный Институтом науки, техники и общественной политики Университета Управления Махариши, собрал группу в 4 000 экспертов по ТМ и программе ТМ-Сидхи в столице государства. Протокол исследования был заранее выдан национальным и международным средствам массовой информации, а также независимой Комиссии по Контролю за Проектом. Комиссия состояла из 27 членов и включала социологов и криминалистов из ведущих университетов, представителей столичного департамента полиции округа Колумбия (СДПОК) и окружного правительства, а также гражданских лидеров (Институт науки, техники и общественной политики, 1993). Функции комиссии по контролю за «Проектом» состояли в выработке рекомендаций Институту по методике исследований и в надзоре за исследовательским процессом. Основываясь на предыдущих исследованиях, было высказано предположение, что групповая практика ТМ и ТМ-Сидхи существенно сократит уровень тяжких преступлений в округе Колумбия. Это обзорное исследование оказалось, следовательно, высоко публицистичным критическим тестом для программ ТМ и ТМ-Сидхи в качестве способа предотвращения преступности.



МЕТОД


Факты


Независимой переменной в этом исследовании является количество участников программ ТМ и ТМ-Сидхи во время проведения показательного проекта в Вашингтоне. Количество участников увеличивалось тремя волнами за восемь недель проведения проекта с 1000 до 2500 и затем – до 4000. Участники были размещены в гостиницах и учебных общежитиях в восьми регионах округа, а также в университете Мериленда. Участники активно выполняли программу ТМ-Сидхи дважды в день в залах, предоставленных для этих целей в каждом месте пребывания6. Было рассмотрено несколько альтернативных способов определения независимой переменной – общее число участников, квадрат общего числа, количество участников в каждом месте пребывания в квадрате, все это суммировалось и приводилось к взаимосвязанному уровню (от 0.96 до 0.99). Поскольку теория гласит, что эффект от таких групп когерентности пропорционален квадрату количества участников, то в ниже приведенных анализах используется общее число участников программ ТМ и ТМ-Сидхи в квадрате.

Первой темой были тяжкие преступления. По определению ФБР (ФБР, 1994), к тяжким преступлениям относятся: убийства, изнасилования, тяжкие нападения и грабежи (Отчет штатных сотрудников о преступлениях ОШСП). СДПОК предоставило компьютерные данные о зарегистрированных преступлениях (те самые данные, из которых СДПОК компилирует ежегодный официальный отчет ОШСП для ФБР). Эти данные были запрошены за 1993 год и за предыдущие 5 лет (1988 – 1992). Чтобы получать ежедневные данные по каждому типу преступлений для анализа, эти данные из базы данных расписывались по дням по каждому преступлению и по каждой категории тяжких преступлений. Чтобы эта статистика соответствовала ежемесячному количеству, зарегистрированному ОШСП и доложенному СДПОК в ФБР, ежедневные подсчеты компилировались в соответствии с процедурами СДПОК для отчетов по ОШСП. Эти процедуры включали в текущие записи данные о ранее зарегистрированных преступлениях, а также разницу в категориях оценки, используемых для ОШСП, в отличие от процедур, используемых СДПОК для своих личных целей.


Так же были рассмотрены многие потенциально значимые переменные в попытке исключить побочные факторы, которые могли бы привести к альтернативным объяснениям изменений уровня преступности, произошедших во время действия Показательного Проекта.7 Потенциальные побочные факторы включали сезонные криминальные циклы, погодные переменные (температура, осадки, влажность), время дня, изменение деятельности полиции и общества, предыдущие преступные тенденции в Вашингтоне, а также соответствующие преступные тенденции в других городах на восточном побережье (дальнейшее обоснование выбора этих контрольных переменных смотри: Хегелин и др., 1994).


Статистический анализ


Как было ранее отмечено в протоколе исследований, эффект от Показательного Проекта оценивался временным анализом. Временная методология Бокса-Дженкенса стала эталоном для строгой оценки эффекта от воздействия на зависимую переменную с течением времени (Мак Клера и Хей, 1980). В этом исследовании создание временной модели тяжких преступлений в Вашингтоне дает динамичное описание, учитывающее его прошлую историю, включая тенденции и циклы. Модель может также включать в себя влияние внешних переменных, которые заведомо влияют на преступность, контролируя, таким образом, статистические побочные влияния.

Может показаться, что эффект от противопреступных мер может быть оценен простым сравнением уровня преступности во время вмешательства с одинаковым периодом прошлого года. Однако такой подход не учитывает посторонние воздействия; он также игнорирует недавние криминальные тенденции (например, вследствие терпимых социальных условий), которые могут влиять на изменение уровня преступности в сравнении с предыдущим годом. Особенно важно принимать во внимание недавние тенденции, когда вмешательство кратковременно, как в данном исследовании.

Временная модель для зависимой переменной включает три главных составляющих: внешние управляющие переменные, шумовая модель и эффект вмешательства. Все переменные во временной модели, включая зависимые, управляющие переменные и переменные от вмешательства, состоят из серии данных, образованных недельным накоплением. Хорошо известно, что накопление во времени сокращает уровень шумов, усредняя уровень серий, и часто ведет к более точным моделям (Рэнджер, 1990).8 Стандартная методика Бокса-Дженкенса (Бокс и Дженкенс, 1976) для идентификации, оценки и диагноза временной модели был применен к данным по УИН, а также по грабежам, используя статистическое программное обеспечение SCA (Лиу и др., 1986). Применение этой статистической методики устраняет любые тенденции и циклические явления в данных, чтобы получать стабильную, не зависящую от времени модель зависимой переменной.


Первым шагом в построении временной модели было рассмотрение сезонности тяжких преступлений в округе Колумбия. Из 16 888 тяжких преступлений, зарегистрированных в 1993 году, 2,7% составляли убийства, 1.9% - изнасилования, 53.3% - нападения и 42.1% - грабежи. Исследования, проводимые Американским департаментом юстиции (Бюро юридической статистики, 1988) и другими, ранее показывали, что наибольшее количество УИН случается в летние месяцы. Эта сезонная тенденция вызвана сезонными изменениями температуры: многочисленные исследования показали, что повышения температуры сильно взаимосвязаны с нападениями (например, Харенс, 1990), а также связаны (но в меньшей степени) с убийствами (Кастанеда,1991), с изнасилованиями (Майкл и Зуипе, 1983), а также – вообще с тяжкими преступлениями (Котон, 1986; для обзора смотри Читвуд, 1995). Однако, для грабежей сезонная тенденция другая: максимальное число грабежей случается в декабре, а наименьшее – в конце весны – начале лета (Бюро юридической статистики, 1988).

Похожие результаты были обнаружены в настоящем исследовании в Вашингтоне (обсуждается ниже). Из-за этой разницы УИН (являющиеся тяжкими действиями, несущими телесный ущерб) были собраны в одну выходную переменную (преступления УИН), в то время как грабежи (которые мотивированы выгодой) анализировались отдельно. Дальнейшая рационализация для объединения первых трех переменных заключалась в том, что, поскольку убийства и изнасилования составляли малую часть (менее 5%) общего количества тяжких преступлений в 1993 году в Вашингтоне, то показалось более значимым рассматривать их в контексте более весомого показателя уровня тяжких преступлений против личности (т. е. УИН). Более того, статистически более значимые тенденции обычно более заметны в объединенных переменных, поскольку случайный шум в отдельных переменных стремится к нейтрализации при суммировании. Однако преступления УИН также анализировались по отдельности для определения доли каждой категории преступления в отмеченных изменениях общего количества УИН.


Дальнейшим шагом (предшествовавшим последующему временному анализу результатов Показательного Проекта) был предварительный ступенчатый регрессивный анализ для определения контрольных переменных, которые следовало включить во временные модели для каждой из этих двух преступных переменных. Для определения связи между преступными и контрольными переменными, независимо от данных 1993 года, был проведен ступенчатый регрессивный анализ на основе данных за предыдущие 5 лет (1988 – 1992). Этот анализ определил контрольные переменные, которые наилучшим образом предсказывают количество УИН и грабежей в Вашингтоне за этот период. (Дополнительная полицейская и общественная деятельность не рассматривалась на данном этапе, потому что данные по ней имелись только за 1993 год).

Для количества УИН за 1988 – 1992 годы температура была единственной значимой контрольной переменной в окончательной модели после ступенчатой регрессии. Чтобы избежать возможности того, что эта значимая взаимосвязь между УИН и температурой была вызвана ложной корреляцией (Грэнджер и Ньюболд, 1974), регрессивная модель была расширена до полной временной модели данных по УИН за 1988 – 1992 годы. В этой временной модели температура оказалась убедительным предсказателем еженедельных данных по УИН (р<3х10-16)9. Следовательно, последующий временной анализ Показательного Проекта в 1993 году точно контролировал изменение средней еженедельной температуры.

Для определения того, насколько тенденции УИН в Вашингтоне были связаны с такими же тенденциями в других крупных городах региона, были рассмотрены ежемесячные данные о преступности за 1988 – 1992 годы из Нью-Йорка и Филадельфии, а также из Вашингтона. Однако, после изъятия сезонных тенденций, было найдено отсутствие взаимосвязи между преступными тенденциями в этих городах и в Вашингтоне, вследствие чего они не были включены в последующий временной анализ.

В то время, как УИН каждый год изменяются по временам года, один график показал более крутое увеличение за первые месяцы 1993 года по сравнению с тем же периодом прошлых лет. Дальнейшее рассмотрение показало, что произошло изменение во взаимосвязи между уровнем преступности и температурой в начале 1993 года. Эта взаимосвязь была оценена регрессивным анализом, в котором УИН было зависимой переменной, а температура была независимой переменной. Этот анализ показал, что, например, с января по май 1992 года, повышение температуры на 10о Ф, предсказывало еженедельное среднее увеличение на 14 УИН; однако, за тот же период 1993 года такое же повышение температуры привело к существенно большему увеличению УИН (20 преступлений в неделю) - на 41% больше, чем за предыдущий год. Структурный тест (Джонсон, 1984) формально подтвердил изменение во взаимосвязи между преступностью и температурой, показав временной разрыв в структуре регрессивной модели УИН за 1993 год в сравнении с 5 предыдущими годами (р < 0.0005).10 С учетом этого структурного изменения последующий временной анализ базировался на данных 1993 года.(смотри дополнительный временной анализ с использованием более длинной базовой линии данных с 1988 по 1993, описанный также в разделе Результатов).


Подобный предварительный анализ, использующий ступенчатую регрессию, был также проведен по грабежам с 1988 по 1992 годы, однако не было обнаружено ни одной значимой контрольной переменной. Чтобы обнаружить существенную ежегодную сезонную тенденцию по грабежам, были взяты усредненные данные еженедельных грабежей за соответствующие недели с 1988 по 1991 годы (т. е. была рассчитана средняя величина за первую неделю четырех лет, затем за вторую неделю и т. д.). Регрессивный анализ показал, что эта переменная ежегодной тенденции была существенным предсказателем грабежей в 1992 (р < 0.025). Следовательно, временной анализ по грабежам за 1993 год использовал количество недельных грабежей, усредненное за 1988 – 1992 годы, в качестве контрольной переменной.

Временная методология контролирует серийную зависимость наблюдений, тенденций или сезонных циклов в данных с течением времени, включая эти воздействия в “шумовую модель” серии, которая служит нулевой гипотезой при анализе эффекта вмешательства (Мак Клери и Хай, 1980). Только после моделирования этих эндогенных динамических величин зависимой переменной (так же, как и любых экзогенных контрольных переменных) можно считать независимую переменную (вмешательство) имеющей статистически значимое воздействие.

Стандартным свойством временного моделирования по Боксу-Дженкенсу является рассмотрение динамической взаимосвязи между переменными, включая эффект отставания в соответствии с методологией, предписанной Мак Клери и Хай (1980), любое вмешательство может иметь крутое или постепенное начало и временный или постоянный эффект. В данном исследовании, поскольку Показательный Проект был временным воздействием, ожидалось, что он произведет временный эффект на тяжкую преступность. Анализ исследовал, является ли эффект от вмешательства резким в своем начале (без эффекта последствия в дальнейшем) или, вдобавок к немедленному воздействию, имел место постепенный и кумулятивный эффект, а затем – постепенный спад. Такая возможность появлялась при встраивании параметра спада в переходную функцию переменной вмешательства. Роль параметра спада заключается в оценке скорости спада эффекта воздействия за любую произвольную неделю в течение последующих временных периодов, в направлении постепенного уменьшения, допуская, таким образом, проявление кумулятивного эффекта от вмешательства по мере его продолжения в течение нескольких недель.


Объективная процедура для выбора временной модели проводилась на основе минимизации Информационного Критерия АйКэйЭй (ИКА). С учетом требования удовлетворительной модельной диагностики, ИКА оптимально сочетает задачи экономии (наименьшее число параметров модели) и точность построения модели (наименьший остаточный разброс: Ларимор, 1983; Ларимор и Мехра, 1985). Шибата (1983) показывает, что ИКА “удовлетворительно сочетает риск избыточности и недостаточности построения и является эффективным для выбора одной модели из семейства моделей, каждая из которых характеризуется многими параметрами”. Поскольку ИКА пропорционален размеру образца, используемого в оценках, все альтернативные модели одного и того же набора данных оценивались, используя одинаковое количество наблюдений, позволяющие точные сравнения среди модельных структур. Для диагностических целей структура автокорреляции остаточного шума модели рассматривалась с отставанием, доходящим до 12 недель.

После раздельного моделирования УИН и грабежей (как было сказано выше), уравнения для обеих моделей были совместно оценены с использованием одновременной передаточной функции SCA (Грангер и Ньюболд, 1977). Это позволило рассматривать влияние на тяжелую преступность в целом, изучая на комбинированной модели совместную значимость параметров вмешательства в двух отдельных моделях, используя тест подобия отношений (Нельсон, 1976). В следующем разделе результаты приводятся раздельно по двум моделям, а также по тесту совместной значимости.

Несмотря на возможность суммировать УИН и грабежи в один комбинированный показатель, а затем моделировать общий уровень тяжкой преступности как одну переменную, такой подход размывает оценку воздействия любых экзогенных контрольных переменных, циклической динамики и временных тенденций (Гренджер, 1990). Такая совместная оценка двух моделей по УИН и грабежам увеличивает статистическую достоверность для определения эффективности Показательного Проекта, основанной на раздельном моделировании несхожего динамического поведения двух составляющих тяжкой преступности.



РЕЗУЛЬТАТЫ


Временной анализ УИН


Таблица 1 показывает построенную эмпирически модель УИН, которая была выбрана, чтобы выделить наименьший ИКА среди всех моделей при данных экзогенных и воздействующих контрольных переменных. Все оценки параметров модели были статистически значимы; температура и размер группы когерентности были высоко значимыми. Эти результаты указывают, что количество УИН стремилось к увеличению по мере повышений температуры; однако, несмотря на необычно высокую температуру во время действия Показательного Проекта, уровень преступности падал при увеличении группы когерентности. Найденные значения «р» для оценки параметров основаны на двухуровневых тестах для всех параметров шумовой модели; одноуровневые тесты использованы для параметров вмешательства и температуры, поскольку направленность этих действий четко предсказана.

Процедура построения эмпирической модели привела к следующему окончательному уравнению:


ТАБЛИЦА I


Значения параметров для базовой модели (УИН за 1993 год)

Параметр Переменная Описание Отставание Значение t 40

1 С константа 66.0075 13.08 **

2 α TEMPt температура 0 1.9768 24.97 **


Параметры вмешательства (размер группы когерентности )

3 ω St2 немедленное

воздействиеа 0 -1.3887 -8.33 **

4 δ St2 параметр

спадаб 1 0.9072 80.58 **


Члены шумовой модели

5 φ2 nt AR 2 -0.2843 -2.42 *

6 φ3 nt AR 3 -0.2622 -2.17 *

7 φ5 nt AR 5 -0.6089 -4.87 **

*p<0.05; **p<0.0001 (двухуровневые для шумовых параметров)

a Числительный параметр передаточной функции вмешательства (где возведенный в квадрат размер группы был разделен на 1 миллион, чтобы помочь совпадению повторяющихся процедур по оценке параметров модели).


б Параметр знаменателя.

Тест Льюнг-Бокса совместной значимости остаточной автокорреляции:

Отставание 1-12,χ2(9)=7.1, р>0.62

R2 =0.858

Эффективная N =47

Остаточная S.E. =12.44

AIC = 250.942


HRAt =C+αTEMPt +ω/(1-δB)St2 +1/(1- φ2B2 – φ3B3 - φ5B5)nt

Переменные в этой модели обозначены HRAt - (зависимая переменная в течение недели t); TEMPt - (средняя недельная температура); St2 - (квадрат общего числа участников Показательного Проекта); nt – (серийно не связанный случайный показатель помехи для учета случайных флуктуаций в уровнях УИН), и B является оператором обратного сдвига, определяемый как BkXt-k для любой временной серии Xt11. Другие символы представляют параметры модели: C – это постоянный член, необходимый для точного предсказания среднего уровня УИН; ω, числитель – параметр для переходной функции вмешательства, измеряет немедленное (отставание 0) воздействие вмешательства на уровень тяжких преступлений и δ, знаменатель (спад), параметр, моделирующий уменьшающийся эффект от вмешательства – геометрический спад с течением времени (Мак Клери и Хай, 1980:стр.154 - 160). Если параметр спада δ=0 (устраняя знаменатель в передаточной функции вмешательства), то модель предскажет немедленное резкое начало действия Показательного Проекта без всяких накладывающихся эффектов в последующие периоды времени. Средняя недельная температура была убедительным предсказателем недельных УИН в 1993 году (р< 3 х 10 –26). Эта температура высок значима, т. к. подтверждает тот факт, что она предсказывает уровни УИН в предыдущие годы. Шумовая составляющая модели, которая контролирует эндогенную динамику зависимой переменной, включала статистически значимые авторегрессивные (АР) члены при задержках 2, 3 и 5 (р< 0.025, р< 0.04, р<0.00002 соответственно). Авторегрессивные члены описывают серийную зависимость данных от предыдущих значений серии.


Успешное устранение тенденций и циклов было подтверждено тем фактом, что остатки от шумовой модели удовлетворяли требованиям к стационарному, серийно не связанному процессу белого шума (Бокс и Дженкинс, 1976). На это указывало видимое постоянство временных меток значений остаточной ошибки (т. е. действительные УИН минус значения, предсказанные из модели); более того, отсутствие значимых остаточных автокорреляций до отставания в 12 недель также показывает, что никакая времязависимая структура не была оставлена неучтенной моделями. После включения температуры в модель, дальнейшая фильтрация данных, такая как дифференцирование, для устранения тенденций (вычитание предыдущей временной точки из текущей временной точки), более не требовалось для достижения стационарности. Также отсутствие данных о значительной сезонности в осадках указывает на то, что включение температуры в модель успешно засчитывалось в качестве сезонного изменения уровней преступности. Формальные диагностические тесты по статистической адекватности модели были удовлетворительны. Проверка функций ожидаемой автокорреляции и частичной автокорреляции для модельных остатков указывала, что модели учитывали всю времязависимую структуру в данных. Q-статистика Льюнг-Бокса (LBQ – см. табл.I), которая обеспечивает формальный тест этого предположения, не смогла отвергнуть нулевую гипотезу остаточного несвязанного белого шума (р> 0.63). Все корни временной модели были вне единичного круга, что требуется для стационарности.

Статистически высокозначимые результаты были получены для каждой составляющей другой модели, чем оправдано их сохранение в модели: постоянный член (р< 5х10 –16), численность группы когерентности в квадрате (немедленный эффект, ω: р< 2х10 –10; и параметр спада, δ: р< 4х10 –46). Также тест подобия соотношений (Нельсон, 1976) указывал, что два параметра вмешательства были высоко значимы (р< 2х10-9). Расчетное значение параметра спада, примерно 0.91, также значительно отличалось от 1.0 (р=2х10-10), что соответствовало стабильности модели. Это указывает на то, что 91% эффекта, связанного с размером группы, переходило на следующую неделю, примерно 82% переходило на две недели и 68% переходило на четыре недели. Это постепенное снижение эффекта вмешательства (указывающее, что сокращение уровня преступности после окончания Показательного Проекта) также отмечено в других исследованиях по общественному воздействию групповых программ ТМ-Сидхи (Дилбек и Рейнфорд, 1996;Дилбек и др., 1987)(смотри дальнейший комментарий в Результатах и обсуждениях). На рис. 1 показаны данные по действительному уровню УИН в 1993 году (жирная сплошная линия). Кроме того тонкой сплошной линией показаны расчетные данные по уровню УИН, рассчитанные из временной модели, описанной в таблице I. Все это моделирует действительный уровень преступности накануне Показательного Проекта и показывает воздействие группы когерентности на преступность. Пунктирная линия показывает уровень УИН, который ожидался в отсутствие группы когерентности (расчет этих предсказанных уровней описывался ниже). Затененный участок отмечает время действия Показательного Проекта.


Можно видеть, что базовая модель (тонкая сплошная линия) довольно точно предсказывает действительный уровень преступности (жирная сплошная линия) до Показательного Проекта, когда размер группы равнялся нулю. Например, временная модель частично предсказывает падение уровня преступности в середине мая, что было связано с необычайно прохладной погодой.


Рис.1. Действие Национального Показательного Проекта на уровень УИН в Вашингтоне в 1993 году. Жирная сплошная линия – действительный уровень УИН; тонкая сплошная линия – предсказания по УИН, основанные на временной модели и отражающие действие группы когерентности; пунктирная линия – уровень УИН, предсказанный при отсутствии группы когерентности; затененный участок – период действия Показательного Проекта.


Рис. 1 также показывает, что по мере роста группы когерентности уровень УИН заметно сократился, причем максимальное сокращение произошло в течение последней недели работы Показательного Проекта, когда размер группы достиг 4 000 участников. Во время последней недели УИН (как действительный, так и уровень, предсказанный моделью) резко упал ниже уровня, предсказанного при отсутствии группы.

Для расчета уровня преступности в отсутствие группы когерентности (пунктирная линия), сокращение преступности, связанное с группой когерентности, должно было быть изъято из предсказаний временной модели. Через параметры вмешательства ω и, δ временная модель оценивает недельное сокращение преступности, вызванное группой12. Чтобы устранить влияние группы, это рассчитанное недельное сокращение преступности было добавлено к сокращенному уровню преступности, предсказанному моделью (тонкая сплошная линия). Это увеличило уровень УИН, который был бы предсказан в отсутствие группы. (Недельное сокращение преступности, обусловленное работой группы, согласно временной модели представлено расстоянием по вертикали между пунктирной и тонкой сплошной линиями).





Рис. 2 показывает процентное сокращение УИН за каждую неделю Показательного Проекта в зависимости от численности группы. Этот процент был рассчитан как отношение недельного сокращения УИН за счет работы группы к уровню преступности, предсказанному при отсутствии группы.

Например, в течение последней недели Показательного Проекта было сокращение на 54.2 УИН за счет группы. Прибавляя это сокращение к наименьшим уровням преступности, предсказанным моделью (178.4), мы получаем общую сумму в 232.6 УИН, предсказанных при отсутствии группы.

Следовательно, процент сокращения УИН за последнюю неделю Показательного Проекта равнялся 54.2, деленное на 232.6, показывая сокращение на 23.3%. Говоря иначе, преступность была бы выше на 30.4% относительно наименьшего уровня преступности без вмешательства Показательного Проекта.

Альтернативным методом расчета уровня УИН в отсутствие группы когерентности является сложение уровня недельного сокращения преступности с фактическим уровнем преступности. Для этой цели фактические цифры УИН усреднялись за двухнедельный период, чтобы сократить эффект случайных флуктуаций (численность группы увеличивалась каждые 2 недели, но оставалась постоянной в промежутках). Этот расчет показывает максимальное сокращение УИН на 22.2% в последнюю неделю Показательного Проекта. Однако, основывая расчеты (как было показано ранее) на значениях, предсказанных моделью, вместо фактического уровня преступности можно получить более точный процент сокращения преступности, потому что этот метод уменьшает влияние случайного шума, отраженного в уровне фактической преступности.

Поскольку результаты, показанные в таблице I, взяты из данных за 1993г., важно проверить, могут ли быть получены такие же результаты при использовании существенно более длинного периода. Следовательно, дальнейший анализ был произведен, основываясь на недельных данных с 1988 по 1993 год (313 недель). Как временной анализ по данным 1993 года, так и этот дополнительный анализ обнаружил, что эффект от группы когерентности был статистически высоко значимым (немедленный эффект, ω р< 0.00003; параметр спада, δ :р<2x10-53). Значение параметра спада при вмешательстве δ (0.90) было сходным с полученным в базовой модели 1993 года. Однако анализ данных 1988-1993 показал немного больший спад УИН; максимальный спад составлял 24.6% в течение последней недели Показательного Проекта.


В этом анализе температура была снова высокозначимой в качестве контрольной переменной (р< 6x10-12). Наиболее подходящая временная модель для этого набора данных, основанная на минимизации ИКА) содержала изменяющийся средний член шумовой модели при отставании 1 и авторегресивный член при отставании 4, которые были статистически значимы (р=3х10-79 и р=0.02 соответственно). Не было обнаружено значительных автокорреляций в остатках до отставания в 60 недель, что указывает на то, что модель успешно учитывала любые циклы и тенденции в УИН, включая ежегодную сезонность и влияние уровня преступности в предыдущем году.13 (Отметьте, что все последующие анализы основаны только на данных о преступности УИН за 1993 год).

По завершении Показательного Проекта, когда численность группы упала до нуля, преступность оставалась низкой в течение нескольких месяцев, а потом вернулась к предсказанному уровню. Это отражено в высоком значении параметра спада в базовой модели УИН за 1993 год, (δ=0.91). Поскольку в некоторых предыдущих исследованиях по группам когерентности был отмечен более быстрый спад эффекта воздействия (например, Дилбек, 1990; Дилбек и др., 1988), дальнейший анализ выяснял вопрос, мог ли медленный спад быть вызван другими факторами (например, изменением взаимосвязи между преступностью и температурой в течение года). В этом дополнительном анализе, приведенном в таблице 2, временная модель УИН за 1993 год была расширена, чтобы учесть возможные структурные изменения во взаимосвязи между УИН и температурой в середине 1993 года14. Этот анализ обнаружил наличие такого структурного изменения, случившегося задолго до окончания Показательного Проекта: после вмешательства повышение в температуре ассоциированы с меньшими увеличениями УИН, чем это было до вмешательства.

Результаты этого дополнительного анализа показали, что структурный разлом по температуре в течение 1993 года был высокозначимым (р=0.005), а также что все переменные и составляющие шума базовой модели по данным 1993 года (т. е. Временная модель, показанная в таблице I) оставались высокозначимыми. Дополнительный анализ, основанный на расширенной модели, по данным 1993 года показал меньшую величину параметра спада – 0.79, в сравнении с 0.91 в базовой модели. Это указывает на более быстрое уменьшение эффекта вмешательства в конце Показательного Проекта. Например, через восемь недель после последней недели Показательного Проекта, модель этого дополнительного анализа показала уменьшение преступности намного слабее (15.2% спада, обнаруженного за последнюю неделю), чем в базовой модели (45.9%).15 Тем не менее, эффект вмешательства остался высокозначимым: р< 2х10-6 по немедленному воздействию вмешательства; р<7х10-12 по параметру спада. Основываясь на измененной модели, сокращение уровня УИН (от уровня, предсказанного без Показательного Проекта) составляло 20.6% за последнюю неделю Проекта, и было одинаковым с результатом, полученным в базовой модели. (Такой же анализ, примененный к данным за 1992 год, показал, что такой же структурный разрыв случился примерно в то же время года).



ТАБЛИЦА II

Оценка параметров модели температурного, структурного разлома (УИН за 1993 год)

Параметр Переменная Описание Отставание Величина t (39)

__________________________________________________________________

1 C константа 67.0769 14.01 ***

2 α1 TEMPt температура 0 1.9607 26.23 ***

3 α2 TEMPSHIFTt температураa 0 -0.2026 -2.96 **


Параметры вмешательства (размер группы когерентности):

4 ω St2 немедленное

действие b 0 -1.4367 -5.47 ***

5 δ St2 параметр

спадаc 1 0.7903 9.45 ***


Члены шумовой модели:

6 φ2 nt AR 2 -0.3148 -2.75 **

7 φ3 nt AR 3 -0.2822 -2.37 *

8 φ5 nt AR 5 -0.6258 -5.11 ***

*p< 0.01; **p< 0.001; ***p< 0.0001 (двухуровневые шумовые параметры). а переменная структурного разлома температуры, равная нулю до последней недели Показательного Проекта и равная температуре в последующей неделе.

b - Числительный параметр функции перехода для вмешательства (где размер группы был возведен в квадрат и разделен на 1 миллион, чтобы помочь совпадению повторяющихся процедур по оценке параметров модели).

с - Параметр знаменателя.

Тест Льюнг-Бокса совместной значимости остаточной автокорреляции:

отставание 1-12, χ2(9) = 9.4, р > 0.40

R2 = 0.865

эффективная N = 47

остаточная S.E. = 12.11

ИКА = 250.466

В двух моделях, показанных в таблицах I и II, переменная вмешательства – это размер группы когерентности, возведенный в квадрат, в соответствии с известной теорией и с прошлыми исследованиями о влиянии таких групп, практикующих ТМ и программу ТМ-Сидхи (описанные выше). Дальнейшая проверка прочности открытия была проведена замещением переменной вмешательства в базовой модели УИН за 1993 год (1), не возведенной в квадрат численности группы и (2) суммой возведенного в квадрат числа участников по различным местам проведения курса. Значительные сокращения преступности были обнаружены независимо от выбора параметра вмешательства. Модель, использующая размер группы, возведенной в квадрат, показала наименьший ИКА, что свидетельствует о том, что эта переменная вмешательства имеет `большую силу предсказания.


Поскольку ложные взаимосвязи между двумя переменными могут возникнуть из-за одновременных, причинно не связанных между собой тенденций, в каждой переменной очень важно определить, отражает ли значимость температуры в моделях 1993 года просто причинно не связанные тенденции повышения, как по температуре, так и по УИН за анализируемый период. Это маловероятно из-за известной взаимосвязи температуры и УИН за пятилетний период, что уже обсуждалось ранее, но вопрос может быть рассмотрен напрямую при помощи дифференцирования. Стандартный подход, предложенный Грэйнджер Ньюболд (1974), который устраняет отклонения из всех переменных, заключается в дифференцировании всех членов модели: это значит, что все зависимые и независимые переменные дифференцируются, а затем ставятся на место первоначальных переменных в модели. Дифференцирование не было необходимым для построения стационарной модели, однако, оно было произведено на базовой модели для проверки наличия ложных взаимосвязей.

В дифференцированной модели, по данным 1993 года, температура все еще была статистически высокозначимой (р<5x10-24), так же, как и параметры вмешательства (р < 2х10-9 для немедленного эффекта вмешательства; р < 10-31 для параметра спада). Это доказывает, что изменения в переменных вмешательства и контроля были значимо связаны с изменениями УИН, отрицая, таким образом, возможность случайной взаимосвязи между УИН и температурой.16 Это также относится к возможным сомнениям относительно того, что переменная вмешательства была значимой, потому что численность группы и уровень УИН следовали несвязанным тенденциям во время Показательного Проекта.

Поскольку все выше приведенные анализы основаны на суммировании ежедневных УИН в недельное, то дальнейший анализ проводился по данным ежедневных УИН за 1993 год, чтобы выяснить, приведет ли это к значительным открытиям. Этот анализ ежедневных данных показал статистически высокозначимый спад в УИН по мере увеличения группы когерентности (немедленный эффект: ω: р< 0.0006; параметры спада δ: р < 2х10-98). Максимальный спад УИН достигал 21.5% в течение последней недели Показательного Проекта - результат сходен с полученным от анализа данных по недельным УИН.17


Важно также выяснить, можно ли объяснить значимость вмешательства ежегодно возникающими факторами (т. е. могут ли ежегодные изменения УИН вызвать ложные взаимосвязи). Если это так, то значимость все еще должна быть получена при помощи данных вмешательства за 1993 год (для размера группы когерентности) вместе с данными по УИН и температуре за каждый год с 1988 по 1992 – так, как будто Показательный Проект имел место в каждом из пяти предыдущих лет. Однако, когда базовая модель применялась к 1988-1992 годам (с данными по размерам группы за 1993 год), результаты не оказались значимыми. Этот анализ следует рекомендациям Филипса (1986), согласно которым временные исследования с трудом представляют параллельный анализ, который, согласно исследуемой теории, не должен выявлять иной значимости, кроме присутствия случайных взаимосвязей.


Контроль за изменениями в деятельности полиции

и в противопреступной деятельности общества


Информация об изменениях в деятельности полиции (увеличение сверхурочной работы или численности персонала) во время Показательного Проекта была получена по каждому из семи полицейских округов Вашингтона от отдела кадров Департамента Полиции. Таблица III суммирует эту информацию по округам. Заметные увеличения полицейских нарядов, которые начались во время Показательного Проекта, были только в 1, 5 – 7 округах. Увеличения в округах 2 и 3 начались задолго до Проекта. Чтобы оценить влияние этих изменений в численности штатов, общее число дополнительных человеко-смен для всех полицейских округов было подсчитано за каждую неделю 1993 года. Все это было введено во временную модель в качестве дополнительной контрольной переменной.

Результаты этого дополнительного анализа дали выводы, очень схожие с теми, которые были получены при использовании базовой модели. Действие Показательного Проекта оставалось высокозначимым (р < 2 + 10-8 для немедленного эффекта; р < 4х10-42 для параметра спада) и вызвало сокращение УИН на 22.4%. Однако, анализ показал, что изменения штата полицейских не оказало значимого воздействия на сокращение УИН (р = 0.32, одноуровневый).


13 июля 1993 года газета “Вашингтон пост” написала, что группа религиозных и общественных деятелей объявила 72-часовой мораторий на преступность. Однако, следующая статья в газете, от 16 июля, написано, что “мораторию на преступность не хватает патрулей” и отмечен очень слабый результат от моратория. Из 700 горожан, которые согласились патрулировать в течение 4 часов криминогенные места, действительно приняли участие только 100 человек; и только дюжина из 30 добровольцев, находившихся на дежурстве в округах 5 и 6 в 20 часов, еще дежурила в 22-30. В любом случае маловероятно, что 72-часовой мораторий мог повлиять на сокращение преступности в течение двухмесячного Показательного Проекта.


Временной анализ УИН по отдельным преступлениям


Был также произведен анализ по каждой категории тяжких преступлений – убийства, изнасилования и нападения. Отдельный временной анализ был произведен по каждой переменной. Еженедельные данные 1993 года использовались по той же самой методике, которая использовалась для анализа УИН, взятых вместе. Результаты этого анализа показали, что температура была значимым показателем по каждой из этих переменных. Изнасилования и нападения значительно сократились с увеличением группы (р < 0.005 и р < 10-12 соответственно), с максимальным уменьшением в 58.1% для изнасилований и 19.0% для нападений, случившихся за последнюю неделю показательного Проекта. Убийства также немного сократились, однако, это сокращение не было статистически значимым.

ТАБЛИЦА III

Изменения, отмеченные в деятельности полиции


Округ Месяц(ы) Дни недели Увеличение персонала, Рутинная Нормальный выход

сверхурочные часы деятельность (офицеров патруля)


  1. 22 июня – пятница-воскресенье + 25-30 офицеров да 100-115 офицеров /день

январь 1994 ночь


2 май – октябрь пятница – воскресенье 92 –100 офицеров /день

ночь, с 20 до 4 часов + 20 офицеров да



3 апрель - декабрь четверг – суббота + 20 офицеров да 100 офицеров /день /смен)

ночь, с 18 до 2 часов


4 июнь – июль понедельник – воскресенье незначительное да 100 –145 офицеров/день

все смены увеличение (25 –70/смен)


  1. начало июня – понедельник-воскресенье 20 офицеров из школ да 180 – 185 офицеров/день

конец августа с 8 до16 часов, в места отдыха (50 – 60/смен)

с 16 до полуночи + 15 офицеров да (80/смен)

четверг – суббота + 10-15 офицеров да

с 16 до полуночи


  1. последняя четверг – суббота + 25 офицеров нет 125 офицеров/день

неделя июня- ночь

конец декабря


  1. 1 июля – четверг – воскресенье + 60-70 офицеров/день, нет 135 офицеров/день

декабрь ночь плюс патрульные часы,

с 18 до 2 часов взятые из других смен


Временной анализ воздействия на грабежи и на общий уровень тяжкой преступности


Временная модель по грабежам за 1993 год, основанная на ступенчатом регрессивном анализе за 1988 – 1992 годы (смотри раздел “Методика”), включала контрольную переменную для годичной сезонной тенденции по грабежам (усредненное количество грабежей за неделю с 1988 по 1992 год). Эта переменная была значимым предсказателем недельных грабежей в 1993 году. Группа когерентности не имела немедленного значимого воздействия на грабежи (р = 0.46, одноуровневый), а также не было свидетельств эффекта последействия.

Однако, хотя эффект от вмешательства на грабежи, рассматриваемые по0-отдельности, был незначительным, совместная оценка моделей за 1993 год по УИН и грабежам показала, что параметры модели для группы когерентности (т. е. немедленный эффект и отсроченный эффект на УИН и немедленный эффект на грабежи) совместно были значимы (р = 0.0008).18

Общий уровень тяжких преступлений, относительно уровня, который был предсказан при отсутствии группы когерентности , был рассчитан комбинацией сокращения УИН и грабежей по двум отдельным моделям19. Это указывало на то, что максимальное сокращение преступлений случилось за последнюю неделю Показательного Проекта и равнялось 15.6%.


ОБСУЖДЕНИЕ


Результаты временного анализа недельных данных соответствуют предсказанию, что уровень тяжких преступлений существенно сократится в течение Показательного Проекта, когда большая группа людей, практикующих ТМ и программу ТМ-Сидхи, собралась в Вашингтоне. Предполагалось, что этот эффект получится вследствие распространения когерентности и упорядоченности в поле коллективного сознания, приводя к сокращению социального стресса и тяжких преступлений во время встречи произошло значительное сокращение УИН выше предсказанных уровней. Как показано на рисунке 2, уровень УИН падал при увеличении численности группы. К концу 8 недели Показательного Проекта, когда группа была наибольшей, преступления сократились на 23.3%. Хотя общее сокращение преступности за все 8 недель было меньше, это связано с тем, что группа была меньше в течение предыдущих недель. Чтобы оценить действие Показательного Проекта, важно рассмотреть наличие эффекта “доза – воздействие”, или взаимосвязь между изменяющимся количеством участников в группе когерентности и выходной переменной. Во время Показательного Проекта взаимосвязь между численностью группы в квадрате и уровнем УИН была –0.76 (что переводится в 2-3 стандартные единицы отклонения), показывая сильный эффект от группы создания когерентности. Взаимосвязь величиной в 0.5 или выше (в абсолютном значении) или сила эффекта в 0.8 и более, указывает на сильный статистический эффект (Коэн, 1988). Методика временного анализа, примененная в исследовании. Является наиболее строгим подходом для оценки действия Показательного Проекта, потому что она успешно контролирует большой набор факторов, влияющих на зависимую переменную, включая предисторию тяжкой преступности, современные преступные тенденции и ежегодные сезонные картины преступности. Более того, анализ контролирует не только эндогенные циклы и тенденции в данных о преступности, но также и другие, внешние (экзогенные) переменные, влияющие на преступность. Любые экзогенные влияния, которые неясно включены во временную модель, отражаются в шумовой модели и таким образом учитываются косвенно (Бокс и Дженкенс, 1976; Вандал, 1983). Только после учета всех этих факторов можно считать, что вмешательство имело значительный эффект. Таким образом, анализ ясно подтверждает наиболее вероятные объяснения наблюдаемого сокращения УИН.


Статистический анализ рассматривал потенциально путающие воздействия – изменения погоды, времени дня и изменения в численности штата полицейских. Среди всех этих факторов единственной экзогенной переменной, предсказывавшей уровень преступности, была температура, которая четко контролировалась в анализе. Однако для большей надежности был произведен дальнейший временной анализ по исследованию воздействия на уровень УИН увеличения штата полицейских. Хотя анализ показал, что небольшой эффект на сокращение преступности увеличение численности полицейских оказало, это сокращение не было статистически значимым. Этот анализ дал высокозначимые результаты по влиянию группы когерентности, сравнимые с теми, которые были получены при использовании базовой модели.

Была также исключена возможность. Что время проведения Показательного проекта совпадет с ежегодным снижением уровня УИН в течение лета; временной анализ тех же месяцев в каждом из предыдущих 5 лет показал, что УИН не сокращались существенно. Количество преступлений в течение месяца в Вашингтоне также не было взаимосвязано с Филадельфией и с Нью-Йорком за прошедшие 5 лет, так что маловероятно, что какие-либо явления в восточном регионе США могли повлиять на падение преступности в Вашингтоне во время Показательного Проекта. Более того, результаты не зависят от выбора времени проведения: значительные сокращения УИН в Вашингтоне во время Показательного проекта наблюдались также по сравнению с более продолжительным периодом времени до вмешательства по данным временного анализа УИН за 1988-1993 годы.

Все временные анализы УИН четко учитывали ежегодные сезонные картины преступности при моделировании воздействия годовых температурных циклов. Более того, анализ с более длинным периодом сравнения четко контролировал годовую сезонность через шумовую модель, учитывая, таким образом, летнюю картину преступности. Включение температуры во все модели было оправдано значительным числом исследователей (например, Хоррис, 1990; Кастанеда, 1991; Мишел и Зумпе, 1983; Каттон, 1986; Читвуд, 1995), показавших взаимосвязь между температурой и УИН; она была включена в протокол исследования в качестве контрольной переменной; регрессивный анализ данных установил существование за предыдущие годы в Вашингтоне взаимосвязи между температурой и УИН. Включение температуры оправдывалось и тем фактом, что она была высокозначимой в моделях. Температура и предыдущие криминальные тенденции довольно хорошо предсказывали уровень УИН накануне действия Показательного Проекта. Однако во время проекта по мере увеличения группы когерентности уровень УИН упал ниже уровня, который был предсказан при отсутствии группы, опираясь на ранее выявленные взаимосвязи с температурой.


Учитывая, что тяжкая преступность обычно увеличивалась в июне и в июле и что температура во время Показательного Проекта имела рекордно высокие пики (90о Ф в течение 32 дней из 54 Проекта в сравнении с 14 днями 90о температуры за такой же период в 1992 году), значительное сокращение УИН особенно показательно. Даже грубое сравнение уровней преступности в июле (самый жаркий месяц) с маем и июнем совпадает с результатами более тонкого подхода временного анализа. За предыдущие 5 лет средний уровень УИН в июле был выше, чем в мае и июне. Однако, в июле 1993 года, когда число участников проекта было наибольшим, уровни УИН, вопреки более высокой температуре, были ниже, чем в мае-июне того же года. Это падение преступности с высокого уровня перед Проектом было не просто регрессией к среднему значению (т. е. возврат к предсказанным уровням20) потому, что уровень преступности упал намного ниже уровня, который был предсказан в отсутствие группы (сравни сплошные линии с пунктирной на рис. 1), и продолжал сокращаться ниже этой точки.

Маловероятно, что результаты являются следствием выбора временной модели. Поскольку процессы выбора модели были объективно основаны на минимазации ИКА (Ларимор, 1983), выбор модели был продиктован самими данными. Более того, значительный эффект от группы когерентности был получен при большом наборе альтернативных предположений, которые были использованы для построения различных моделей. Результаты были значительными при использовании различных шумовых моделей: когда независимая переменная формулировалась различными способами; когда базовая модель была дифференцирована для исключения возможности совпадающих тенденций; когда был допущен структурный разлом; когда все контрольные переменные были пропущены; когда использовались различные базы сравнения и когда ежедневные (вместо еженедельных) данные были проанализарованы. Невзирая на эти альтернативные модели, влияние размера группы когерентности оказалось высокозначимым.


То, что грабежи слабее связаны с социальным стрессом, чем УИН (Лински и Страус, 1986),21 может частично объяснить отсутствие значительного сокращения грабежей во время Показательного Проекта. Грабежи также могут меньше зависеть от внезапных уменьшений стресса в коллективном сознании. Потому что они часто связаны с длительным применением наркотиков и часто заранее планируются (Соммерс и Баскен, 1993). Поэтому мы предполагаем, что требуется более длительный период воздействия для их сокращения. Предыдущие исследования по эффекту Махариши показали общее сокращение преступности и сокращение тяжких преступлений, но особенно не фокусировались на сокращении грабежей (для ознакомления смотри Орм-Джонсон, 1994).

Нападения и изнасилования значительно сократились с увеличением группы когерентности, однако убийства сократились незначительно. Исходя из низкой процентной доли сокращения убийств (менее 3% от тяжких преступлений), статистический анализ (Коен, 1988) показывает, что сокращение числа убийств во время Показательного Проекта в июле (когда численность группы когерентности была наибольшей) должно было быть не менее 40%. Эффект от демонстрации Показательного Проекта на убийства должен бы быть существенно больше, чем суммарное воздействие на УИН.

Хотя изнасилования также случались реже (2%), их сокращение во время Показательного Проекта было большим (58%) и статистически достоверным. Предыдущие исследования (Ленфорд, 1990) показали, что группа когерентности значительно уменьшила число убийств в Вашингтоне, когда она действовала в течение трех лет. Хотя во время Показательного Проекта число убийств сократилось немного, очевидно, что продолжение Проекта на более длительный срок могло также сократить число убийств. Нападения, изнасилования являются тяжкими преступлениями против человека, которые могут легко перерасти в убийства. Следовательно, сокращение этих преступлений также предполагает превентивный эффект на убийства в течение длительного времени при условии продолжения работы группы.


Базовая модель УИН дала значение параметра спада δ (0.91), показывая постепенное возрастание и постепенный спад эффекта воздействия фактически более медленные, чем описано в предыдущих исследованиях (Дилбек, 1990; Дилбек и др., 1988). Был проведен дополнительный анализ, чтобы определить, мог ли этот медленный спад быть вызван другими факторами. Анализ показал наличие изменений взаимоотношений между преступностью и температурой в конце Показательного Проекта, когда имел место более быстрый спад эффекта воздействия (δ= 0.79). Хотя этот дополнительный анализ модели структурного разлома по температуре в течение 1993 года обнаружил более быстрый спад эффекта воздействия по сравнению с базовой моделью (см. таблицу I), обе модели привели к одинаковым выводам об эффективности вмешательства и о процентном сокращении преступности. Таким образом, результаты не зависят от медленного спада эффекта воздействия.

Присутствие статистически значимого параметра спада в любой модели показывает, что Показательный Проект продолжает оказывает значительный эффект в течение нескольких недель после его завершения. Более того, поскольку параметр спада во временной модели показывает, что действие группы сохраняется и накапливается с течением времени, можно предположить, что преступность сокращалась бы и далее, если бы группа продолжала свою работу, причем картина преступности, возможно, приняла бы устойчивое состояние на пониженном уровне. Временной анализ имеет ценное свойство – он позволяет экстраполировать эффект краткосрочного воздействия для оценки эффекта при более длительном воздействии. В данном исследовании параметры модели из результатов 8-недельного Показательного Проекта могут быть использованы для предсказания долгосрочного сокращения преступности в случае, если бы группа когерентности в 4 000 участников оставалась в Вашингтоне бесконечно долго.

Из-за более быстрого темпа спада эффекта вмешательства в дополнительном (структурно-разломном) анализе (Табл. II), эта модель выдает более умеренную оценку долгосрочного эффекта. Долгосрочное снижение преступности было рассчитано с использованием формулы устойчивого состояния выигрыша, согласно g = [w/(1 - δ)](4.000)2 (где ω и δ такие же, как в Таблице II, а 4.000 – это предположительно устойчивый уровень для размера группы когерентности: Бокс и Дженкенс, 1976, стр. 346). Основываясь на этой формуле, можно сказать, что за неделю будет предотвращено 109,6 УИН, что составляет сокращение порядка 48% относительно фактического числа УИН за неделю, предшествующую Показательному Проекту.


Предыдущие выводы соотносятся с совокупным эффектом с течением времени от работы группы когерентности. Статистика ФБР, например, показывает, что в начале 1980-х годов, когда в Вашингтоне постоянно находилась значительно меньшая группа в 400 человек, количество тяжких преступлений сокращалось в среднем на 8% в год в течение более 4 лет, причем совокупное сокращение составляло 35% (ФБР, 1982 – 1987).

Следует отметить, что, поскольку модели предсказывают не только немедленный эффект в ответ на изменения размеров группы, но также и совокупный эффект, из этого следует, что полный эффект от Показательного Проекта отставал от изменений размера группы. Эта взаимосвязь “опережения-отставания”, согласующаяся с причинной интерпретацией, была также найдена во многих предыдущих исследованиях по группам когерентности (Орм-Джонсон и др., 1988; Дилбек, 1990).

Для дальнейшего исследования причинности было рассмотрено обратное теоретическое предсказание, что изменение уровня преступности могло вызвать изменение размеров группы когерентности, а не наоборот. Это было проверено эмпирически рассмотрением перекрестной корреляции между остаточным белым шумом из базовой модели УИН (пропуская вмешательство) и значениями величины группы, возведенным в квадрат, которые были профильтрованы при помощи временной модели для УИН. Этот метод “отбеливания” (Бокс и Дженкенс, 1976) обнаружил, как флуктуации предполагаемой причинной переменной воздействуют на другую переменную, устраняя эндогенную динамику и любую другую зависимую от времени структуру, которые могут нарушить причинную интерпретацию.

В наших данных перекрестные корреляции между изменениями уровня преступности и последующими изменениями размера группы не были значимыми до отставания в 10 недель (которое было больше, чем в период вмешательства). Другими словами, не было очевидным, что изменение уровня преступности вызвали изменение в размерах группы. Это свидетельствует против того, что прошлые отчеты по сокращению преступности через Показательный Проект значительно ускоряли увеличение участников в группе создания сплоченности, Более того, основываясь на временном анализе (проведенном выше) такого же периода, как и Показательный проект, за предыдущие 5 лет, не было отмечено тенденции сокращения преступности в летние месяцы; таким образом, Показательный Проект не был приурочен ко времени, когда ожидалось сокращение преступности.


Кажется маловероятным, что третья переменная может повлиять на взаимосвязь между размером группы и УИН.

Возможность таких тенденций, влияющих на обе переменные, была устранена дифференцированием (что, как ранее отмечалось, устраняло тенденции в каждой переменной модели), которые, как известно, влияют на преступность. Неизвестная основная третья переменная должна была бы влиять на преступность в округе Колумбия, в такой же ступенчатой манере, как шло увеличение группы, особенно в течение лета 1993 года, размеров группы за тот же временной отрезок. Более того, он также должен был влиять в те же периоды прошлых лет.

Наиболее мощным показателем причинности является многократное повторение эффекта. Эффект от группы создания сплоченности на широкий спектр переменных был рассмотрен в 41 предыдущем исследовании, из которых, примерно половина, были описаны в журналах. Во многих случаях, результаты публично предсказывались заранее, а использованные данные были собраны независимо правительственными и другими учреждениями и являются общественно-доступными (например, Дилбек и др., 1987; Дилбек, 1990). Более того, многие из этих исследований продолжались многие месяцы или годы, в течение которых посещаемость на встречах изменялась в широких пределах (например, Орм-Джонсон и др., 1988; Дилбек, 1990). В этих исследованиях, временной анализ показал, что флюктуации посещаемости коррелируются существенно с флюктуациями в преступности, несчастных случаях, военных действиях и других зависимых переменных, которые были исследованы; т.е. каждое из этих исследований содержало много повторений эффекта. Кумулятивная вероятность того, что все эти результаты могли произойти случайно, чрезвычайно мала. Более того, за многие годы академической дискуссии этого явления на конференциях и журнальных статьях никогда не находилось достоверной 3 –ей переменной, которая могла быть причиной всех этих результатов в таких разнообразных условиях.

Хотя более условный механизм, чем полевые эффекты сознания, могут объяснить данные результаты, еще не было предложено ни одного альтернативного объяснения. В Показательном Проекте, как и во многих предыдущих исследованиях, не существовало никаких поведенческих взаимодействий между членами группы когеренции и населением, которые могли на что-либо повлиять. Участники сотрудничали в специальных резидентных программах с минимальным контактом с населением, а группа была очень малой в сравнении с окружающим населением (которое в некоторых региональных и национальных исследованиях было на еще большем расстоянии от группы)22.


В соответствии с теорией, согласно которой эффект поля, создаваемого группами когерентности, сокращает стресс коллективного сознания, предсказания по Показательному Проекту, выданное заранее независимой контрольной комиссией и средствами массовой информации, также включали повышенный успех и поддержку со стороны Президента США и улучшение переменных, отражающих качество жизни в Вашингтоне. В отдельном исследовании, использующем временной анализ, Гудман (1997) обнаружил, что все 7 следующих социологических переменных показали положительный эффект от группы когеренции после начала Показательного проекта, контрастируя с тенденцией нарастающей негативности накануне Проекта. Измерения включали (1) рейтинги президентской поддержки; (2) положительное отношение СМИ к Президенту; (3) четыре переменных, отражающих социальный стресс в Вашингтоне: вызовы скорой психиатрической помощи, случаи травматизма в больничных палатах скорой помощи, жалобы на полицию, случаи смерти от непредвиденных обстоятельств; и (4) индекс социального стресса (или «качества жизни»), включающий четыре предыдущие переменные социального стресса.

Результаты Гудмана, также как и многогранные предыдущие исследования этого эффекта, показали, что многие разрозненные переменные изменились в положительном направлении. Учитывались: отсутствие альтернативного объяснения; отсутствие прямого поведенческого взаимодействия членов группы с населением; создание эффекта на расстоянии, а также большое число отдельных параметров, одновременно измененных у всего населения. Наиболее вероятное объяснение этому заключается в том, что полевой эффект сокращения стресса в обществе и увеличение сплоченности в коллективном сознании произвели положительные изменения во всех этих областях. То что небольшое вмешательство в контрольную группу (т.е. «минимальная манипуляция» независимой переменной: Прентис и Миллер, 1992) имело заметное воздействие на многочисленные измеренные результаты, является доказательством теоретически важной взаимосвязи между коллективным сознанием и качеством общественной жизни.


Результаты 42 исследований по Эффекту Махариши многократно подтверждали гипотезу, что тяжкая преступность и другие показатели общественного расстройства могут быть сокращены при помощи групп когеренции. Это исследование было проведено как Показательный проект – не только для того, чтобы еще раз рассмотреть гипотезу, но, также, чтобы привлечь общественное и правительственное внимание к этому феномену. Вследствие разрушительных финансовых и человеческих потерь от тяжкой преступности и вследствие отсутствия других, научно доказанных эффективных и недорогих средств по ее сокращению, эти многократные, многообещающие результаты требуют серьезного рассмотрения со стороны ученых и политиков. Надо отдать предпочтение широкомасштабному практическому применению этого метода, уже имеющего сильную практическую поддержку и предоставляющего возможность для решения и профилактики крупных проблем в нашем обществе.



<< предыдущая страница   следующая страница >>