Часто задаваемые вопросы о SGR
Реальные возражения скептика и вопросы об авторе — с самодостаточными ответами, основанными на тексте статьи.
Доказывает ли SGR, что Луна влияет на поведение людей?
SGR фиксирует устойчивые статистические ассоциации — воспроизведённые на пяти независимых городских базах данных — между астрономическими триггерами (фазами и импульсными волнами d²F/dt²) и популяционными показателями преступности, вызовов скорой и 911. При этом сама ассоциация не является доказательством прямой причинности в строгом смысле: подтверждение причинно-следственного механизма требует дополнительных проверок на молекулярном уровне и в рамках проспективных протоколов с индивидуальным мониторингом (см. §7.7 “Ограничения причинной интерпретации” статьи).
Это просто эффект полнолуния?
Нет. Большинство прежних исследований лунного влияния сравнивают “день фазы Луны vs. остальные дни”. SGR явно разделяет два независимых слоя: статический фазовый (традиционные четыре фазы, Branch A) и импульсный волновой — скачки второй производной приливного потенциала d²F/dt², обнаруживаемые ddF-детектором (Branch B, с partialled-out статическими фазами). Оба слоя проявляются на разных классах исходов.
Учтены ли сезонность, дни недели и праздники?
Да. Перед оценкой эффектов каждый временной ряд обрабатывается OLS-регрессией с полиномиальным трендом 4-й степени, годовым Фурье-базисом (3 гармоники), dummies для дней недели и US federal holidays с лагами ±1 день (§3.3 статьи). Эффекты оцениваются на остатках после удаления всей календарной структуры.
Учтены ли множественные сравнения?
Да, на двух уровнях. Внутри страт (эпоха × семейство триггеров × лаг) применяется поправка Benjamini–Hochberg (BH-FDR). Между городами используется двухстадийный random-effects мета-анализ с HKSJ-коррекцией (Hartung–Knapp–Sidik–Jonkman) — консервативный стандарт для малого числа когорт (k = 5 городов, df = 4), который снижает риск антиконсервативной недооценки стандартной ошибки (§3.8–§3.9).
Можно ли повторить анализ самостоятельно?
Да. Полный код (base.py, gen.py, correlator.py, verdict.py, single_correlator.py, single_verdict.py), requirements.txt с зафиксированными версиями библиотек и инструкции по загрузке исходных городских данных опубликованы на GitHub. Архивный снэпшот с DOI размещён на Zenodo. Код лицензирован по MIT, обработанные данные и рисунки — по CC-BY 4.0.
Кто автор и почему стоит доверять данным?
Автор — Артём Тысяцкий, независимый исследователь и разработчик из Калининграда (ORCID 0009-0006-1974-7894). Все семь исходных баз данных — публичные официальные порталы открытых данных городов США (NYC, LA, Chicago, Philadelphia, SF). Автор заявляет об отсутствии конфликта интересов; работа выполнена самостоятельно, без внешнего финансирования (§9.0 статьи).
Каковы главные ограничения исследования?
Среди прочих: (1) данные агрегированы на уровне календарного дня, что не позволяет оценить внутрисуточные сдвиги; (2) геомагнитный фон (K-индекс) не включён как ковариата; (3) наблюдаемые эффекты — популяционные статистики (~3–6% для имущественных преступлений, ~10–20% для отдельных медицинских показателей), а не индивидуальные вероятности. Полный список из 7 пунктов ограничений приведён в §7 статьи.