Исследование закономерностей изменения поведения эго в снах

2026-05-18

У меня есть довольно большая база моих записанных снов, и, столкнувшись с гипотезой, высказанной Кристианом Рёслером в своей статье^[1], я решил её проверить.

Рёслер предлагает классифицировать сны по шаблону поведения эго сновидца на 5 типов, каждый из которых описывает сложность взаимодействия “я” с другими объектами сна.

Сновидческое “я” отсутствует
Сновидческое “я” находится под угрозой
Сновидческое “я” сталкивается с необходимостью проявить себя
Сон о передвижении
Сон о социальном взаимодействии

Так действительно ли сложность поведения нашего “я” в снах всегда возрастает на протяжении курса успешной терапии?

Гипотеза Рёслера

Гипотеза: Уровни паттернов SDA повышаются в ходе терапии (то есть со временем происходит переход от низших типов к высшим).

Или как её раскрыл сам автор:

Мы также предполагаем, что в ходе успешной терапии происходят характерные изменения в структуре снов.
[…]
Эти трансформационные закономерности в серии снов интерпретируются с психодинамической точки зрения и рассматриваются как свидетельство того, что изначально слабая структура эго, не способная регулировать и интегрировать угрожающие эмоции, импульсы и комплексы, в процессе терапии обретает большую силу и всё более успешно справляется с теми частями психики, которые изначально были подавлены или отделены, интегрируя их в конструктивные взаимодействия с другими.

Изменения в структуре снов в процессе терапии в связи с усилением силы эго (иллюстрация Кристиана Рёслера)

База снов

Для исследования были проанализированы сны одного пациента с помощью моделей искусственного интеллекта Gemini и Claude. Результаты анализа снов (без описания самих снов и обоснования классификации каждого сна) можна скачать отдельным архивом.

Из дальнейшего анализа исключены:

6 снов, которые не удалось классифицировать,
3 сна 2018 года.

В таблице представлена статистика по данным для понимания распределения результатов.

Всего снов: 1111
Диапазон данных: с 2020-06-07 по 2026-05-09

Год	Шаблон 1, %	Шаблон 2, %	Шаблон 3, %	Шаблон 4, %	Шаблон 5, %	Всего снов
2020	0	9.1	22.7	18.2	50	44
2021	4.2	14.6	28.5	11.1	41.6	144
2022	0.8	16.3	34.9	6.5	41.5	123
2023	1.1	11.1	30	12.1	45.7	280
2024	2.2	12.3	30.7	9.2	45.6	228
2025	0.5	11.1	35.8	13.7	38.9	226
2026	1.5	13.6	30.3	13.6	40.9	66

Динамика паттерна во времени с добавлением джиттера и скользящим средним значением последних 50 снов

Сгруппированные показатели распределения паттернов поквартально

Анализ результатов

Применим 3 метода статистического анализа входных данных.

Тест Манна-Кендалла (Mann-Kendall), применённый к хронологически упорядоченной серии из 1111 классифицированных снов, не выявил статистически значимой монотонной тенденции в уровне паттерна SDA на протяжении 5,5-летнего периода наблюдения: τ=−0.0001, S=-31, p=0.9979, Sen's slope=0.000

Подробнее

Mann-Kendall trend test

Используем тест Манна-Кендалла для определения того, существует ли линейная монотонная тенденция в данных временного ряда.

Результаты расчётов:

τ: -0.0001
p-value: 0.99794
S: -31.0
Sen’s median slope: 0.000000
Trend: no trend

Интерпретация результатов:

S = -31 – сумма всех парных сравнений по 1111 снам (всего 616 605 пар). Это значение фактически нулевое, поскольку количество “возрастающих” пар почти равно количеству “убывающих” пар.
τ (tau) = -0.0001 – нормализованное значение S в диапазоне [-1, +1]. 0 – нет тренда, +1 – идеально возрастает, -1 – идеально убывает. Полученное значение почти равно нулю.
p-value = 0.99794 – 99,8% вероятности получить этот результат (или более экстремальный) чисто случайно, даже если тенденции нет вовсе. Данные выглядят так, как выглядел бы случайный шум без какой-либо тенденции.
Нет доказательств роста закономерности со временем.

Порядковая логистическая регрессия (Ordinal logistic regression) модели SDA по времени (в годах) не дала значимого эффекта, что указывает на то, что сложность эго в снах не увеличивалась систематически на протяжении периода наблюдения: OR = 1.00, 95% CI [0.93, 1.07], p = 0.99

Подробнее

Ordinal logistic regression

Поскольку паттерн SDA является порядковой переменной с неравными интервалами времени между уровнями, используем порядковую логистическую регрессию для оценки влияния времени на уровень паттерна.

Результаты расчётов:

Coefficient (years): -0.0003
95% CI for coefficient: [-0.0715, 0.0710]
p-value: 0.994295
OR per year: 0.9997
OR 95% CI: [0.9310, 1.0736]

Интерпретация результатов:

OR per year = 0.9997 – вероятность наблюдения более высокой категории паттерна в любом конкретном сне умножается на 0,9997 в год. Полученный показатель не отличается от 1,0 (отсутствие изменений).
p = 0.994 – время не оказывает статистически значимого влияния на уровень паттерна.
OR 95% CI [0.9310, 1.0736] – коэффициент может колебаться в диапазоне от 0,931 до 1,0736. Этот интервал симметричен и достаточно узок. Даже в худшем случае влияние незначительно – максимум ~8% изменения вероятности в год в любом направлении.
Сложность паттерна поведения эго в снах не увеличивалась систематически на протяжении периода наблюдения.

Односторонний тест Mann-Whitney не выявил значимой разницы в уровнях паттернов между первой и второй половинами серии снов: U=153 442, p=0.433, n₁=556, n₂=555

Подробнее

Split-half comparison (Mann-Whitney U)

Для разделения выбрана медианная дата. Если паттерн увеличивается со временем, вторая половина должна иметь стохастически более высокие значения, чем первая половина. Сам Рёслер в своём исследовании сравнивает “первую половину” и “вторую половину” серий снов качественно.

Результаты расчётов:

Split date: 2023-11-01
First half (n=556): mean=3.815, median=4.0
Second half (n=555): mean=3.832, median=4.0
U statistic: 153 442
p-value (one-sided, H1: first < second): 0.433105

Pattern distribution by half:

Pattern 1: first=10 (1.8%) second=7 (1.3%)
Pattern 2: first=74 (13.3%) second=64 (11.5%)
Pattern 3: first=167 (30.0%) second=182 (32.8%)
Pattern 4: first=63 (11.3%) second=64 (11.5%)
Pattern 5: first=242 (43.5%) second=238 (42.9%)

Интерпретация результатов:

U statistic: 153 442 – подсчитывает среди всех возможных пар, сколько раз сон из второй половины имеет более высокий паттерн, чем сон из первой половины. Ожидаемое значение при отсутствии разницы U ≈ 154 290 (n₁×n₂/2 = 556×555/2). Полученное значение U очень близко к этому (поскольку U немного ниже ожидаемого значения, вторая половина на самом деле немного ниже ожидаемой, а не выше). Асимметрии почти нет.
Means: 3.815 vs 3.832 – незначительная разница 0,017 по шкале от 1 до 5.
Medians: 4.0 vs 4.0 – идентичные медианы.
p-value: 0.433105 – если бы между половинами не было разницы, то вероятность случайно получить значение U, столь же большое или большее, составляет 43%. Референтные значения: p < 0,05 – приемлемая значимость, p < 0,01 – сильные доказательства. Полученное значение – то, чего можно ожидать от случайного шума.
Распределение закономерностей: изменения незначительны и даже не всегда в ожидаемом направлении.
Две половины серии снов статистически не отличаются. Состав паттернов снов в 2020–2023 годах практически такой же, как в 2023–2026 годах.

Выводы

Пациент оценивает курс своей терапии как достаточно успешный. Однако корреляции между прохождением терапии и изменением шаблонов поведения эго во сне выявлено не было.

Дополнительную информацию об исследовании можно скачать архивом.^[2]

Ссылки

Статья Christian Roesler. Jungian theory of dreaming and contemporary dream research - findings from the research project ‘Structural Dream Analysis’ (Journal of Analytical Psychology, 2020, 65, 1, 44–62). Скачать
Архив с базой классифицированных снов без описания самих снов (порядковый номер, дата, классифицированные паттерн и подвид сна), описанием процесса классификации и программным кодом на Python для статистических расчётов и построения графиков. Скачать