Взаимодействие протестующих и властей: динамика протестных кампаний и факторы их успеха тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Жеглов Сергей Александрович

• Жеглов Сергей Александрович
• кандидат наук
• 2024

Оглавление диссертации кандидат наук Жеглов Сергей Александрович

Введение

Глава 1. Состояние проблемного поля

1.1 Аналитический обзор современных исследований

1.2 Методологические проблемы современных исследований

Глава 2. Вычислительное моделирование

2.1 Эндогенизация репрессий в контексте вычислительного моделирования: теоретическая модель и математическая модель

2.2 Избранные подходы протестной мобилизации: теоретическое описание и математические модели

2.3 Методы поиска паттернов протекания протестных кампаний

2.4 Вычислительные эксперименты: описание

2.5 Выявление эффективных репрессивных стратегий с помощью регрессионного анализа на симулированных данных

2.6 Результаты кластерного анализа данных вычислительных экспериментов

2.7 Анализ роли паттернов на результаты протестных кампаний на симулированных данных

Глава 3. Эмпирический анализ

3.1 Ограничения выбранной базы данных

3.2 Результаты кластерного анализа эмпирических данных

3.3 Сопоставление результатов кластерного анализа на эмпирических и вычислительных данных

3.4 Факторы успеха протестных кампаний

Заключение

Список литературы

Приложение А

Приложение Б

Приложение В

Приложение Г

Приложение Д

Введение диссертации (часть автореферата) на тему «Взаимодействие протестующих и властей: динамика протестных кампаний и факторы их успеха»

Введение

Актуальность и исследовательская проблема

Протестные движения1 периодически возникают и существуют почти во всех странах, поскольку являются одним из способов оспаривания власти, которая неразрывно связана с той или иной формой состязательной политики. Как авторитарные, так и демократические страны вынуждены реагировать на этот вызов, подчас прибегая к негативным санкциям2.

Исследования взаимосвязи между протестами и репрессиями имеют долгую историю, однако ключевые вопросы как о факторах, способствующих победе протестного движения, так и о факторах, стимулирующих его демобилизацию, порождают дискуссии до сих пор. Эмпирические исследования взаимосвязи между протестующими и властями приходят зачастую к противоречащим друг другу выводам3. До сих пор не получен однозначный ответ на вопрос о том, какой эффект репрессии оказывают на протесты, так как легко можно обнаружить эмпирические свидетельства в пользу того, что репрессии не только демобилизуют протестное движение4, но и стимулируют рост протестной активности5.

1 В данном исследовании используются понятия «репрессии», «протесты» и «протестные кампании». Как конкретные негативные санкции властей по отношению к протестующим, которые в данной работе именуются репрессиями, так и конкретные уличные формы массового выражения несогласия с проводимой властями политикой, я не оцениваю и не призываю оценивать с моральной или правовой точки зрения.

2 Заметим, что протесты действительно случаются и в авторитарных, и в демократических режимах; государства каждого из данных типов вынуждены реагировать на протесты. Причем как авторитарные режимы могут идти на уступки протестующим, так и демократические режимы могут использовать силу для их разгона. По этой причине исследование роли типа режима мы оставляем за рамками нашей работы.

3 Например, см.: Chenoweth E., Perkoski E., Kang S. State repression and nonviolent resistance // Journal of Conflict Resolution. - 2017. - Vol. 61. - №. 9. - С. 1950-1969; Rasler K. A. Dynamics, Endogeneity, and Complexity in Protest Campaigns // Oxford Research Encyclopedia of Politics. - 2017. - С. 1-26. - С. 1950-1969.

4 Например, см.: Jenkins J. C., Perrow C. Insurgency of the powerless: Farm worker movements (1946-1972) // American sociological review. - 1977. - С. 249-268; Bramsen I. Micro-Dynamics of Repression: How Interactions between Protesters and Security Forces Shaped the Bahraini Uprising // Scandinavian Journal of Military Studies (SJMS). - 2018. - Vol. 2. - №. 1. - С. 9-19.

5 Например, см.: Rasler K. Concessions, repression, and political protest in the Iranian revolution // American Sociological Review. - 1996. - С. 132-152; Sutton J., Butcher C. R., Svensson I. Explaining political jiu-jitsu: Institution-building and the outcomes of regime violence against unarmed protests // Journal of Peace Research. - 2014. - Vol. 51. - №. 5. - С. 559-573.

Противоречивыми являются и результаты работ, посвященных тому, какие характеристики протеста благоприятствуют положительному для протестующих исходу6. Например, согласно теории Дж. Эрл, шансы протеста на успех снижаются, если власти воспринимают его как угрозу. На текущий момент считается, что воспринимаемая властями угроза социального движения зависит от количества протестующих7, применения ими насилия8 и радикальности провозглашаемых целей9. В одних эмпирических работах эта теория подтверждается10, а в других серьезно оспаривается11.

Есть основания полагать, что причины этих противоречий лежат в области используемых методов и уровнях агрегирования данных12. Эконометрические методы, обретшие популярность в политической науке и послужившие основой для подавляющего большинства результатов по исследованию протестной мобилизации, упускают из виду динамический характер протекания конфликта между протестующими и властями. Протестные кампании представляют собой длительные процессы, растянутые

6 Например, см.: Ayoub P. Repressing protest: threat and weakness in the European context, 1975-1989 // Mobilization: An International Quarterly. - 2010. - Vol. 15. - №. 4. - С. 465-488; Beers S. QCA as competing or complementary method? A qualitative comparative analysis approach to protest event data // International Journal of Social Research Methodology. - 2016. -Vol. 19. - №. 5. - С. 521-536; Earl J., Soule S. A., McCarthy J. D. Protest under fire? Explaining the policing of protest // American sociological review. - 2003. - С. 581-606.

7 McAdam D., Su Y. The war at home: Antiwar protests and congressional voting, 1965 to 1973 // American sociological review. - 2002. - Vol. 67. - №. 5. - С. 696-721.

8 Earl J. Tanks, tear gas, and taxes: Toward a theory of movement repression // Sociological theory.

- 2003. - Vol. 21. - №. 1. -С.54.

9 Ayoub P. Repressing protest: threat and weakness in the European context, 1975-1989 // Mobilization: An International Quarterly. - 2010. - Vol. 15. - №. 4. - С. 465-488.

10 Например, см.: Ayoub P. Repressing protest: threat and weakness in the European context, 1975-1989 // Mobilization: An International Quarterly. - 2010. - Vol. 15. - №. 4. - С. 465-488; Earl J., Soule S. A., McCarthy J. D. Protest under fire? Explaining the policing of protest // American sociological review. - 2003. - С. 581-606.

11 Chenoweth E., Stephan M. J. Why civil resistance works: The strategic logic of nonviolent conflict. - Columbia University Press, 2011.

12 Например, см.: Ахременко А. С., Беленков В.Е., Петров А. П. Логика протестных кампаний: от эмпирических данных к динамическим моделям (и обратно) // Полис. - 2021.

- №. 3. - С. 147-165. (a); Chenoweth E., Perkoski E., Kang S. State repression and nonviolent resistance // Journal of Conflict Resolution. - 2017. - Vol. 61. - №. 9. - С. 1950-1969.

во времени13, которым свойственна информационная асимметрия между протестующими и властями на разных стадиях конфликта14, наличие способных качественно изменить противостояние «критических точек»15, разнонаправленность краткосрочных и долгосрочных эффектов действий властей и протестующих16, взаимное влияние действий властей и

17

протестующих друг на друга17, что делает затруднительным использование обычных регрессий при их анализе. Современные же базы данных не дают возможности изучения динамики всего конфликта, поскольку уровень покрытия либо слишком высок (количество протестов той или иной направленности за выделенный год в конкретной стране, т.е. переагрегирование), либо слишком низок (данные об отдельных протестных событиях, не привязанных к конкретной кампании).

Таким образом, несмотря на масштабное число исследований, посвящённых взаимосвязи протестов и репрессий, почти не изученным остается вопрос, как динамика протекания протестных кампаний влияет на их успех и как динамика протекания протестных кампаний модерирует эффект репрессий по отношению к протестующим. Это и является проблемой данного исследования.

Степень научной разработанности проблемы

Исследования, посвященные изучению протестов и репрессий, можно разделить на два вида, которые существуют параллельно и, к сожалению, редко пересекаются, что несколько обедняет научные достижения. В рамках первого вида исследуется влияние той или иной реакции властей (как правило,

13 Ахременко А. С., Беленков В.Е., Петров А. П. Логика протестных кампаний: от эмпирических данных к динамическим моделям (и обратно) // Полис. - 2021. - №. 3. - С. 147-165. (a).

14 Shadmehr M. Mobilization, Repression, and Revolution: Grievances and Opportunities in Contentious Politics. - Journal of Politics. - 2014. - Т. 76. - №. 3. - С.621-635.

15 Centola D., Becker J., Brackbill D., Baronchelli A. Experimental Evidence for Tipping Points in Social Convention. - Science. 2018. - Т. 360. - №. 6393. - С.1116-1119.

16 Rasler K. Concessions, repression, and political protest in the Iranian revolution // American Sociological Review. - 1996. - С. 132-152.

17 Rasler K. A. Dynamics, Endogeneity, and Complexity in Protest Campaigns // Oxford Research Encyclopedia of Politics. - 2017. - С. 1-26.

репрессивной) на последующие протестные действия оппозиции и изучаются факторы, способствующие как подавлению протеста, так и мобилизации населения (например, Дж. Саттон, Ч. Батчер и И. Свенсон18, К. Раслер19, К. Салливан, С. Лойл и К. Давенпорт20, Д. Хесс и Б. Мартин21). Вторая группа исследований, наоборот, рассматривает в качестве зависимой переменной реакцию властей и предполагает выявление роли характеристик протеста и иных факторов в достижении протестующими своих целей (например, Дж. Эрл22, Ф. Айюб23, Э. Ченовет и М. Стефан24, С. Далум25).

Кратко остановимся на текущих результатах каждого подхода. Так, до сих пор нельзя однозначно говорить о том, какой эффект репрессии оказывают на протестные движения. Дж. Дженкинс и Ч. Пероу26, И. Брамсен27 приводили эмпирические свидетельства в пользу того, что репрессии могут положить конец протестной кампании. С другой стороны, К. Раслер28, Дж. Саттон, Ч.

18 Sutton J., Butcher C. R., Svensson I. Explaining political jiu-jitsu: Institution-building and the outcomes of regime violence against unarmed protests // Journal of Peace Research. - 2014. - Vol. 51. - №. 5. - С. 559-573.

19 Rasler K. Concessions, repression, and political protest in the Iranian revolution // American Sociological Review. - 1996. - С. 132-152.

20 Sullivan C. M., Loyle C. E., Davenport C. The Coercive Weight of the Past: Temporal Dependence and the Conflict-Repression Nexus in the Northern Ireland "Troubles" // International Interactions. - 2012. - Vol. 38. - №. 4. - С. 426-442.

21 Hess D., Martin B. Repression, backfire, and the theory of transformative events // Mobilization: An International Quarterly. - 2006. - Vol. 11. - №. 2. - С. 249-267.

22 Earl J. Tanks, tear gas, and taxes: Toward a theory of movement repression // Sociological theory. - 2003. - Vol. 21. - №. 1. -С.54.

23 Например, см.: Ayoub P. Repressing protest: threat and weakness in the European context, 1975-1989 // Mobilization: An International Quarterly. - 2010. - Vol. 15. - №. 4. - С. 465-488.

24 Chenoweth E., Stephan M. J. Why civil resistance works: The strategic logic of nonviolent conflict. - Columbia University Press, 2011.

25 Dahlum S. Students in the streets: education and nonviolent protest // Comparative Political Studies. - 2019. - Vol. 52. - №. 2. - С. 277-309.

26 Например, см.: Jenkins J. C., Perrow C. Insurgency of the powerless: Farm worker movements (1946-1972) // American sociological review. - 1977. - С. 249-268.

27 Bramsen I. Micro-Dynamics of Repression: How Interactions between Protesters and Security Forces Shaped the Bahraini Uprising // Scandinavian Journal of Military Studies (SJMS). - 2018. - Vol. 2. - №. 1. - С. 9-19.

28 Rasler K. Concessions, repression, and political protest in the Iranian revolution // American Sociological Review. - 1996. - С. 132-152.

Батчер и И. Свенсон29 приводили эмпирические доказательства в пользу того, что репрессии лишь усиливают активность протестующих и увеличивают их численность. Результаты работы Э. Мюллера30 говорят о неоднозначности данной взаимосвязи и зависимости ее результатов от контекста, поскольку обнаруживают параболическую взаимосвязь (вершиной вверх). Важность контекста подчеркивают и другие работы, рассматривающие роль модераторов взаимосвязи между репрессиями и протестами. Так, А. Анисин31 показал, что влияние применения репрессий на протестную активность зависит от того, применяли ли протестующие насилие. С. Бэлл и А. Мурдье32 аналогичную роль обнаружили у имевшей место в стране за последние пару десятилетий гражданской войны.

Классическим объяснением снижения протестной активности после применения репрессий является то, что негативные санкции увеличивают издержки протестующих и ограничивают их мобилизационный ресурс33. Возможность усиления протеста в ответ на репрессии (обратный эффект («backfire effect»)34, эффект встречного удара («backlash effect»)35,

29 Sutton J., Butcher C. R., Svensson I. Explaining political jiu-jitsu: Institution-building and the outcomes of regime violence against unarmed protests // Journal of Peace Research. - 2014. - Vol. 51. - №. 5. - C. 559-573.

30 Muller E. N. Income inequality, regime repressiveness, and political violence // American sociological review. - 1985. - C. 47-61.

31 Anisin A. Social causation and protest mobilization: why temporality and interaction matter // Territory, Politics, Governance. - 2018. - Vol. 6. - №. 3. - C. 279-301.

32 Bell S. R., Murdie A. The apparatus for violence: Repression, violent protest, and civil war in a cross-national framework // Conflict management and peace science. - 2018. - Vol. 35. - №. 4. -C. 336-354.

33 Yuen S., Cheng E. W. Neither repression nor concession? A regime's attrition against mass protests // Political Studies. - 2017. - Vol. 65. - №. 3. - C. 611-630.

34 Hess D., Martin B. Repression, backfire, and the theory of transformative events // Mobilization: An International Quarterly. - 2006. - Vol. 11. - №. 2. - C. 249-267.

35 Sullivan C. M., Loyle C. E., Davenport C. The Coercive Weight of the Past: Temporal Dependence and the Conflict-Repression Nexus in the Northern Ireland "Troubles" // International Interactions. - 2012. - Vol. 38. - №. 4. - C. 426-442.

политическое джиу-джитсу («political jiu-jitsu»)36) имеет несколько альтернативных теоретических объяснений.

Так, согласно подходу микромобилизации, акцентирующему внимание на личностных связях и взаимодействиях, это происходит за счет мобилизации малых групп: данный процесс запускается, если репрессии были восприняты людьми как незаконные или если члены поддерживающей протест социальной группы, к которой они себя относят, оказались среди репрессированных37. Информационная же теория предполагает, что репрессивная политика меняет мнения граждан о властях, подрывая их легитимность38. В ракурсе социально-психологической теории репрессии вызывают сильную эмоциональную реакцию окружающих, и эти реакции мобилизуют новых сторонников протеста39. Иногда проблема усиления протестов после применения по отношению к ним репрессий исследуется с другой стороны, на предмет выявления факторов, способствующих выживанию протестных кампаний, но пока была выявлена лишь зависимость устойчивости социального движения к репрессиям от наличия и качества его организационной структуры40.

Процесс микромобилизации также может быть запущен проведением властями аккомодационной политики, то есть уступками по отношению к протестующим. Согласно модели ожидаемой полезности (value-expectancy model)41, если растет ожидание получения общественного блага гражданами,

36 Sutton J., Butcher C. R., Svensson I. Explaining political jiu-jitsu: Institution-building and the outcomes of regime violence against unarmed protests // Journal of Peace Research. - 2014. - Vol. 51. - №. 5. - С. 559-573.

37 Opp K. D., Roehl W. Repression, micromobilization, and political protest // Social Forces. -1990. - Vol. 69. - №. 2. - С. 521-547.

38 Lohmann S. The dynamics of informational cascades: The Monday demonstrations in Leipzig, East Germany, 1989-91 // World politics. - 1994. - Vol. 47. - №. 1. - С. 42-101.

39 Aytaç S. E., Schiumerini L., Stokes S. Why do people join backlash protests? Lessons from Turkey // Journal of Conflict Resolution. - 2018. - Vol. 62. - №. 6. - С. 1205-1228.

40 Например, см.: Francisco R. After the massacre: Mobilization in the wake of harsh repression // Mobilization: An International Quarterly. - 2004. - Vol. 9. - №. 2. - С. 107-126; Sutton J., Butcher C. R., Svensson I. Explaining political jiu-jitsu: Institution-building and the outcomes of regime violence against unarmed protests // Journal of Peace Research. - 2014. - Vol. 51. - №. 5. - С. 559-573.

41 Muller E. N., Opp K. D. Rational choice and rebellious collective action //American Political Science Review. - 1986. - Т. 80. - №. 2. - С. 471-487.

на которое нацелена протестная кампания, то растет и вероятность участия граждан в протесте. И в таком случае уступки властей протестующим будут свидетельствовать о слабости властей, тем самым стимулируя дальнейшее массовое участие в протестных акциях42. Хотя имеются и обратные свидетельства в пользу того, что аккомодация может служить эффективным инструментом для демобилизации протеста43, как и кооптация его лидеров44.

Вторая ветвь исследований рассматривает реакцию властей на протесты в качестве зависимой переменной, и здесь результаты также неоднозначны. Классической теорией здесь является «закон насильственного ответа» К. Давенпорта («Law of Coercive Responsiveness»)45, согласно которому власти решаются на силовое подавление только такого протестного движения, которое бросает вызов существующему статус-кво.

Менее известной является систематизация, предложенная Дж. Эрл и основанная на выделении трех подходов из существующей литературы: теории слабости, теории угрозы, теории взаимодействия46. Первый подход гласит, что в случае, если власти потерпят неудачу в подавлении протеста, то их авторитет будет подорван, и, следовательно, стоит ожидать репрессий только в отношении слабых протестов, не способных пережить силовое давление на них47. Второй подход фактически воспроизводит названный выше «закон насильственного ответа»48. Согласно третьему подходу, вобравшему в

42 Rasler K. Concessions, repression, and political protest in the Iranian revolution // American Sociological Review. - 1996. - С. 132-152.

43 Demirel-Pegg T. The dynamics of the demobilization of the protest campaign in Assam // International Interactions. - 2017. - Vol. 43. - №. 2. - С. 175-216.

44 Dollbaum J. M. Curbing protest through elite co-optation? Regional protest mobilization by the Russian systemic opposition during the 'for fair elections' protests 2011-2012 // Journal of Eurasian studies. - 2017. - Т. 8. - №. 2. - С. 109-122.

45 Davenport C. State repression and political order // Annual Review of Political Science. - 2007. - Vol. 10. - С. 7-10.

46 Earl J. Tanks, tear gas, and taxes: Toward a theory of movement repression // Sociological theory. - 2003. - Vol. 21. - №. 1. - С. 44-68.

47 Там же, С.54.

48 Там же, С.54.

себя два предыдущих, репрессии будут применены к тем протестам, которые воспринимаются властями одновременно и слабыми, и несущими угрозу49.

Текущие результаты говорят в пользу второго50 и иногда третьего51 подхода, хотя количество проведенных эмпирических исследований еще слишком мало для далеко идущих выводов. Тем более, как мы уже отмечали, в литературе можно встретить и исследования с теориями и результатами, противоречащими подходу Дж. Эрл52 или его дополняющими (например, свидетельства в пользу включения в анализ государственной состоятельности53).

Напрашивается предположение, что проблема противоречивых результатов лежит в используемых методах. В литературе можно встретить большое разнообразие статистических техник, но залог этой высокой вариации - существование множества видов регрессионного анализа, каждый из которых, пожалуй, хотя бы раз был использован нашими предшественниками (логистическая регрессия54, пуассоновская регрессия55, логистическая модель с множественным выбором56, векторная

49 Там же, С.54.

50 Например, см.: Ayoub P. Repressing protest: threat and weakness in the European context, 1975-1989 // Mobilization: An International Quarterly. - 2010. - Vol. 15. - №. 4. - С. 465-488; Earl J., Soule S. A., McCarthy J. D. Protest under fire? Explaining the policing of protest // American sociological review. - 2003. - С. 581-606.

51 Beers S. QCA as competing or complementary method? A qualitative comparative analysis approach to protest event data // International Journal of Social Research Methodology. - 2016. -Vol. 19. - №. 5. - С. 521-536.

52 Chenoweth E., Stephan M. J. Why civil resistance works: The strategic logic of nonviolent conflict. - Columbia University Press, 2011.

53 Ayta9 S. E., Schiumerini L., Stokes S. Why do people join backlash protests? Lessons from Turkey // Journal of Conflict Resolution. - 2018. - Vol. 62. - №. 6. - С. 1205-1228.

54 Например, см.: Ayoub P. Repressing protest: threat and weakness in the European context, 1975-1989 // Mobilization: An International Quarterly. - 2010. - Vol. 15. - №. 4. - С. 465-488; Carey S. C. The dynamic Relationship between protest and repression // Political Research Quarterly. - 2006. - Vol. 59. - №. 1. - С. 1-11.

55 Например, см.: Inclan M. L. Repressive Threats, Procedural Concessions, and the Zapatista Cycle of Protests, 1994—2003 // Journal of Conflict Resolution. - 2009. - Vol. 53. - №. 5. - С. 794-819, Rasler K. Concessions, repression, and political protest in the Iranian revolution // American Sociological Review. - 1996. - С. 132-152.

56 Earl J., Soule S. A., McCarthy J. D. Protest under fire? Explaining the policing of protest // American sociological review. - 2003. - С. 581-606.

авторегрессия57, моделирование структурными уравнениями58, логистическая регрессия с фиксированными эффектами59), хотя можно встретить и нестандартные подходы (вроде QCA60).

Как легко заметить, вне поля зрения современных работ остается динамическая составляющая протестных кампаний, которая могла бы разрешить названные нами противоречия во взаимосвязи между протестами и репрессиями. В эмпирических работах учет динамической составляющей исчерпывается включением лагированных переменных61.

Рассмотрение динамики противостояния между протестующими и властями в качестве фактора, влияющего на усепхи протестных кампаний, затруднено также ввиду ограничений используемых баз данных. Современные эмпирические исследования о взаимосвязи протестов и репрессий смотрят на свой объект под тремя разными углами зрения. В работах первого типа в качестве единицы анализа выделяется агрегированная совокупность событий, случившихся в определенный промежуток времени. Данной единицей

57 Carey S. C. The dynamic Relationship between protest and repression // Political Research Quarterly. - 2006. - Vol. 59. - №. 1. - С. 1-11.

58 Ayanian A.H., Tausch N. How risk perception shapes collective action intentions in repressive contexts: A study of Egyptian activists during the 2013 post-coup uprising // British journal of social psychology. - 2016. - Vol. 55. - №. 4. - С. 700-721.

59 Johnson J., Thyne C. L. Squeaky wheels and troop loyalty: How domestic protests influence coups d'état, 1951-2005 // Journal of conflict resolution. - 2018. - Vol. 62. - №. 3. - С. 597-625.

60 Например, см.: Anisin A. Social causation and protest mobilization: why temporality and interaction matter // Territory, Politics, Governance. - 2018. - Vol. 6. - №. 3. - С. 279-301; Beers, 2018.

61 Например, см.: Bell S. R., Murdie A. The apparatus for violence: Repression, violent protest, and civil war in a cross-national framework // Conflict management and peace science. - 2018. -Vol. 35. - №. 4. - С. 336-354; Rasler K. Concessions, repression, and political protest in the Iranian revolution // American Sociological Review. - 1996. - С. 132-152.

времени может быть признан год62, месяц63, неделя64. В работах второго типа в качестве единиц анализа рассматриваются протестные кампании65. Соответственно, первые два типа работ не позволяют включить в анализ процессы, происходящие внутри протестной кампании. Третий тип имеет наиболее гранулярную структуру, поскольку опускается на уровень протестного события66, которое и рассматривается в качестве единицы анализа. Тем не менее, при концентрации на изучении отдельных протестных событий существенно возрастает риск упустить общую картину, поскольку зачастую события анализируются отдельно и игнорируется контекст протестной кампании.

Другой немаловажный фактор, препятствующий включению динамической составляющей в анализ факторов успеха протестных кампаний, это зашумленность эмпирических данных67.

Тем не менее, существует отдельное направление по исследованию протестной мобилизации, которое несколько более продвинулось в изучении влияния динамики. Речь идет о вычислительных моделях на базе агентного

62 Например, см.: Carey S. C. The use of repression as a response to domestic dissent // Political Studies. - 2010. - Vol. 58. - №. 1. - С. 167-186; Sutton J., Butcher C. R., Svensson I. Explaining political jiu-jitsu: Institution-building and the outcomes of regime violence against unarmed protests // Journal of Peace Research. - 2014. - Vol. 51. - №. 5. - С. 559-573.

63 Например, см.: Sullivan C. M., Loyle C. E., Davenport C. The Coercive Weight of the Past: Temporal Dependence and the Conflict-Repression Nexus in the Northern Ireland "Troubles" // International Interactions. - 2012. - Vol. 38. - №. 4. - С. 426-442; Johnson J., Thyne C. L. Squeaky wheels and troop loyalty: How domestic protests influence coups d'état, 1951-2005 // Journal of conflict resolution. - 2018. - Vol. 62. - №. 3. - С. 597-625.

64 Например, см.: Bell S. R., Murdie A. The apparatus for violence: Repression, violent protest, and civil war in a cross-national framework // Conflict management and peace science. - 2018. -Vol. 35. - №. 4. - С. 336-354; Inclán M. L. Repressive Threats, Procedural Concessions, and the Zapatista Cycle of Protests, 1994—2003 // Journal of Conflict Resolution. - 2009. - Vol. 53. - №. 5. - С. 794-819.

65 Chenoweth E., Stephan M. J. Why civil resistance works: The strategic logic of nonviolent conflict. - Columbia University Press, 2011.

66 Например, см.: Earl J., Soule S. A., McCarthy J. D. Protest under fire? Explaining the policing of protest // American sociological review. - 2003. - С. 581-606; Ives B., Lewis J. S. From Rallies to Riots: Why Some Protests Become Violent // Journal of Conflict Resolution. - 2019. - С. 1-29.

67 Подробнее см. Жеглов С.А. Поиск паттернов в динамике протестных кампаний: вычислительное моделирование и эмпирический анализ // Социология: 4М. - 2022. - № 5455. - С. 129-187.

моделирования, создаваемых для симуляции взаимодействия протестующих и властей.

Одной из первых таких работ стало исследование Дж. Эпстина68, построившего модель, состоящую из агентов-граждан, принимающих решение об участии в протесте на основании своей оценки рисков быть арестованным и негативной эмоциональной реакции, и агентов-полицейских, принимающих решение об аресте протестующих в их поле зрения. Данная модель позволила Дж. Эпстину обнаружить множество интересных результатов. Например, было выявлено, что наблюдаемое спокойствие, выражающееся в отсутствии активных протестующих, может быть мнимым, а вызвано лишь значимым количеством полицейских поблизости, т.е. агенты могут вполне успешно подавлять свои истинные эмоции на протяжении длительного времени, но лишь до достижения какой-либо критической точки, после чего происходит эндогенная вспышка протестной активности, что, по мнению Дж. Эпстина, описывают революционную ситуацию.

С тех пор появилось значительное число моделей протестной мобилизации, предлагающих свои механизмы принятия решения агентами об участии в протесте. Часть из них продолжают труды Дж. Эпстина69, авторы других моделей предлагают иные механизмы принятия решения агентами. К числу этих механизмов можно отнести, например, сетевой, нашедший свое отражение в работах Д. Сигеля70 и С. Штайнерт-Трелкельд и З. Штайнерт-Трелкельд71 и предполагающий, что агенты вовлекаются в протест исключительно через свои социальные связи (хотя агенты и обладают некоторой гетерогенной изначальной установкой на протест).

68 Epstein J. M. Modeling civil violence: An agent-based computational approach // Proceedings of the National Academy of Sciences. - 2002. - Vol. 99. - №. suppl 3. - С. 7243-7250.

69 Например, см.: Moro A. Understanding the dynamics of violent political revolutions in an agent-based framework //PLOS one. - 2016. - Т. 11. - №. 4. - С. e01541754.

70 Siegel D. A. Social networks and collective action // American Journal of Political Science. -2009. - Vol. 53. - №. 1. - С. 122-138.

71 Steinert-Threlkeld S., Steinert-Threlkeld Z. How social networks affect the repression-dissent puzzle // PloS one. - 2021. - Vol. 16. - №. 5. - С. e0250784.

Более сложный механизм, основанный на разработанной М. Ван Зомереном и коллегами теории социальной идентичности72, был предложен А. Ахременко и А. Петровым73, которые учли названную теорию и разработали модель, учитывающую, что коллективное действие обуславливается тремя социально-психологическими факторами: воспринимаемая несправедливость, вера в успех общего дела (самоэффективность) и общая идентичность с участниками движения. Стоит заметить, что сетевые сюжеты также получили развитие в рамках данной модели в последующих работах74.

К сожалению, все названные модели не являются безупречными хотя бы по той причине, что в них игнорируется эндогенный характер репрессивной активности властей (т.е. динамическая составляющая реакции властей). Уровень силы и частоты репрессий устанавливается в них исследователем экзогенно, а не вытекает из динамики конфликта. Исключением здесь, пожалуй, могут быть разработанные А. Михайловым, А. Петровым, О. Прончевой (Подлипской) модели информационного противоборства власти и оппозиции (но, увы, не протестной мобилизации), предлагающие разные стратегии поведения каждой из сторон75. Следовательно, остро возникает необходимость создания теоретической и математической модели протестной мобилизации, в рамках которой репрессии были бы эндогенизированы.

72 Van Zomeren M., Postmes T., Spears R. Toward an integrative social identity model of collective action: a quantitative research synthesis of three socio-psychological perspectives // Psychological bulletin. 2008. Т. 134. №. 4. С. 504.

73 Akhremenko A., Petrov A. Modeling the Protest-Repression Nexus // Modeling and Analysis of Complex Systems and Processes. - MACSPro, 2020.

74 Например, см.: Petrov A.P., Akhremenko A.S., Zheglov S.A., Kruchinskaia E. V. Is Network Structure Important for Protest Mobilization? Findings from Agent-Based Modeling // Monitoring of Public Opinion: Economic and Social Changes. - 2021. - N. 6. - P. 226-253. DOI: https://doi.org/10.14515/monitoring.2021.6.2021; Akhremenko A., Belenkov V., Zheglov S. (2021). Impact of Digital and Traditional Social Networks on Protest Campaigns: Agent-based Computational Experiments // 2021 International Conference on Engineering Management of Communication and Technology (EMCTECH). - IEEE. - С. 1-5. https://doi.org/10.1109/EMCTECH53459.2021.9619181

75 Подробнее см.: Михайлов А. П., Петров А. П. Ч., Подлипская О. Г. Сравнительный анализ стратегий в модели противоборства власти и оппозиции // Математическое моделирование. - 2022. - Т. 34. - №. 11. - С. 67-76; Петров А. П. Ч., Прончева О. Г. Моделирование выбора позиций индивидами при информационном противоборстве с двухкомпонентной повесткой // Математическое моделирование. - 2019. - Т. 31. - №. 7. - С. 91-108.

Второй важный недостаток данных моделей заключается в используемых сетевых структурах, о которых мы кратко упомянули, поскольку в современных работах взаимодействия протестующих и властей агенты обладают социальным окружением, что позволяет учитывать факторы коллективных действий (социального давления76, субъективной безопасности77, информационного обмена для координации совместных действий78 и др.) в протестной мобилизации. Более того, М. Грановеттер отметил, что наличие связи между сильно установленными на протест

Список литературы диссертационного исследования кандидат наук Жеглов Сергей Александрович, 2024 год

Список литературы

1. Ахременко А. С., Беленков В.Е., Петров А. П. Логика протестных

кампаний: от эмпирических данных к динамическим моделям (и обратно) // Полис. - 2021. - №. 3. - С. 147-165.

2. Ахременко А. С, Жеглов С. А., Петров А. П., Туробов А. В. Отключение интернета в условиях протеста: модель изменения сетевой структуры с регулируемым уровнем преемственности связей // Управление развитием крупномасштабных систем (MLSD'2022). - 2022. - С. 1384-1392. DOI: https://doi.org/ 10.25728/mlsd.2022.1384

3. Ахременко А. С., Петров А.П., Жеглов С.А. Как информационно-коммуникационные технологии меняют тренды в моделировании политических процессов: к агентному подходу // Политическая наука. - 2021. - №. 1. - С. 12-45.

4. Ахременко А. С., Петров А. П. Ч., Стукал Д. К., Жеглов С. А., Хавроненко, М. В. На что способны боты (модель протестной и контрпроетстной политичской мобилизации // Журнал политической философии и социологии политики «Полития. Анализ. Хроника. Прогноз». -2021. - №. 3 (102). - С. 172-194. DOI: https://doi.org/10.30570/2078-5089-2021-102-3-172-194

5. Ахременко А. С., Филиппов И. Б. Влияние силового подавления протеста на обсуждение протестной акции в социальных сетях // Мониторинг общественного мнения: Экономические и социальные перемены. - 2019. - №. 5. - С. 200-225.

6. Ваньке А., Ксенофонтова И., Тартаковская И. Интернет-коммуникации как средство и условие политической мобилизации в России (на примере движения «За честные выборы») // Интеракция. Интервью. Интерпретация. - 2014. - №. 7. - С. 44-73.

7. Бродовская Е. В., Хуанг Т. Цифровое поколение: гражданская мобилизация и политический протест российской молодежи // Мониторинг

общественного мнения: Экономические и социальные перемены. - 2019.

- №. 5 (153). - С. 3-18.

8. Жеглов С.А. Поиск паттернов в динамике протестных кампаний: вычислительное моделирование и эмпирический анализ // Социология: 4М. - 2022. - № 54-55. - С. 129-187. 001: https://doi.Org/10.19181/4m.2022.31.1-2.5

9. Макаренко К. М., Бардаков А. И. Насилие или ненасилие: инструментальный характер протестной мобилизации // Право и политика. - 2020. - №. 11. - С. 10-17.

10. Мамонов М. В. Протестная активность россиян в 2011-2012 гг.: основные тренды и некоторые закономерности // Мониторинг общественного мнения: экономические и социальные перемены. - 2012.

- №. 1 (107).

11. Михайлов А. П., Петров А. П. Ч., Подлипская О. Г. Сравнительный анализ стратегий в модели противоборства власти и оппозиции // Математическое моделирование. - 2022. - Т. 34. - №. 11. -С. 67-76.

12. Никифоров А. А. Возможности и ограничения протестной мобилизации через социальные сети // Право и политика. - 2014. - Т. 12.

- С. 1903-1909. Б01: https://doi.org/10.7256/1811-9018.2014.12.13964

13. Петров А.П., Жеглов С.А., Ахременко А.С. Динамика мотивации участников длительных протестных кампаний: математическая и численная модель / Труды 16-й Международной конференции «Управление развитием крупномасштабных систем» (MLSD'2023, Москва). М.: ИПУ РАН. - 2023. - С. 1680-1688. Б01: https://doi.org/10.25728/mlsd.2023.1680

14. Петров А.П., Жеглов С.А., Кручинская Е.В., Ахременко А.С. Моделирование уличного протеста: динамика численности протестующих и ответ власти / Труды 14-й Международной

конференции "Управление развитием крупномасштабных систем" (MLSD-2021). М.: ИПУ РАН. - 2021. - С. 1859-1867.

15. Петров А. П. Ч., Прончева О. Г. Моделирование выбора позиций индивидами при информационном противоборстве с двухкомпонентной повесткой // Математическое моделирование. - 2019. - Т. 31. - №. 7. - С. 91108.

16. Семенов А. В. Протестная активность россиян в 2012-2013 гг // Социологические исследования. - 2018. - №. 11. - С. 53-63.(a)

17. Семенов А. Событийный анализ протестов как инструмент изучения политической мобилизации // Социологическое обозрение. - 2018. -Т. 17. - №. 2. - С. 317-338.(b)

18. Яницкий О. Н. Массовая мобилизация: проблемы теории // Социологические исследования. - 2012. - №. 6. - С. 3-12.

19. About the Mass Mobilization Project. URL: https://massmobilization.github.io/about.html (Проверено 31.07.2022)

20. Akhremenko A., Petrov A. Modeling the Protest-Repression Nexus // Modeling and Analysis of Complex Systems and Processes. - MACSPro, 2020.

21. Akhremenko A., Belenkov V., Zheglov S. (2021). Impact of Digital and Traditional Social Networks on Protest Campaigns: Agent-based Computational Experiments // 2021 International Conference on Engineering Management of Communication and Technology (EMCTECH). - IEEE. - С. 1-5. https://doi.org/10.1109/EMCTECH53459.2021.9619181

22. Almeida P. D. Opportunity organizations and threat-induced contention: Protest waves in authoritarian settings // American Journal of Sociology. - 2003. - Vol. 109. - №. 2. - С. 345-400.

23. Amblard F. et al. Which models are used in social simulation to generate social networks? A review of 17 years of publications in JASSS //2015 Winter Simulation Conference (WSC). - IEEE, 2015. - С. 4021-4032.

24. Anderson C. J. The end of economic voting? Contingency dilemmas and the limits of democratic accountability // Annu. Rev. Polit. Sci.

- 2007. - Vol. 10. - C. 271-296.

25. Anisin A. Social causation and protest mobilization: why temporality and interaction matter // Territory, Politics, Governance. - 2018.

- Vol. 6. - №. 3. - C. 279-301.

26. Ayanian A.H., Tausch N. How risk perception shapes collective action intentions in repressive contexts: A study of Egyptian activists during the 2013 post-coup uprising // British journal of social psychology. - 2016. -Vol. 55. - №. 4. - C. 700-721.

27. Ayoub P. Repressing protest: threat and weakness in the European context, 1975-1989 // Mobilization: An International Quarterly. -2010. - Vol. 15. - №. 4. - C. 465-488.

28. Ayta? S. E., Schiumerini L., Stokes S. Why do people join backlash protests? Lessons from Turkey // Journal of Conflict Resolution. -2018. - Vol. 62. - №. 6. - C. 1205-1228.

29. Barabasi A.-L., Albert R., Jeong H. Scale-Free Characteristics of Random Networks: The Topology of the World-Wide Web. Physica A: Statistical Mechanics and its Applications. Vol. 281, N 1-4, 2000. C. 69-77. DOI: https://doi.org/10.1016/S0378-4371(00)00018-217.

30. Barandas M., Folgado D., Fernandes L., Santos S., Abreu M., Bota P., Liu H., Schultz T., Gamboa H. Tsfel: Time series feature extraction library // SoftwareX. - 2020. - Vol. 11. - C. 100456. https://doi.org/doi:10.1016/i.softx.2020.100456

31. Beers S. QCA as competing or complementary method? A qualitative comparative analysis approach to protest event data // International Journal of Social Research Methodology. - 2016. - Vol. 19. - №. 5. - C. 521536.

32. Bell S. R., Murdie A. The apparatus for violence: Repression, violent protest, and civil war in a cross-national framework // Conflict management and peace science. - 2018. - Vol. 35. - №. 4. - C. 336-354.

33. Bholowalia P., Kumar A. Ebk-means: A clustering technique based on elbow method and k-means in wsn // International Journal of Computer Applications. - 2014. - Vol. 105. - C. 17-24. doi:10.5120/18405-9674.

34. Bisbee J., Larson J. M. Testing social science network theories with online network data: An evaluation of external validity // American Political Science Review. - 2017. - Vol. 111. - №. 3. - C. 502-521.

35. Bonabeau E. Agent-based modeling: Methods and techniques for simulating human systems //Proceedings of the national academy of sciences. -2002. - T. 99. - №. suppl_3. - C. 7280-7287. DOI: https://doi.org/10.1073/pnas.082080899

36. Bramsen I. Micro-Dynamics of Repression: How Interactions between Protesters and Security Forces Shaped the Bahraini Uprising // Scandinavian Journal of Military Studies (SJMS). - 2018. - Vol. 2. - №. 1. - C. 9-19.

37. Caiado J., Crato N., Peña D. A periodogram-based metric for time series classification // Computational Statistics & Data Analysis. - 2006. - Vol. 50. - C. 2668-2684. doi:10.1016/j.csda.2005.04.012.

38. Caiado J., Maharaj E. A., D'Urso P. Time-series clustering // Handbook of cluster analysis, Chapman and Hall/CRC. - 2015. - C. 262-285.

39. Carey S. C. The dynamic Relationship between protest and repression // Political Research Quarterly. - 2006. - Vol. 59. - №. 1. - C. 1-11.

40. Carey S. C. The use of repression as a response to domestic dissent // Political Studies. - 2010. - Vol. 58. - №. 1. - C. 167-186.

41. Centola D., Becker J., Brackbill D., Baronchelli A. Experimental Evidence for Tipping Points in Social Convention. - Science. 2018. - T. 360. - №. 6393. - C.1116-1119. https://doi.org/10.1126/science.aas8827

42. Chenoweth E., Lewis O. A. Unpacking nonviolent campaigns: Introducing the NAVCO 2.0 dataset //Journal ofPeace Research. - 2013. - T. 50. -№. 3. - C. 415-423.

43. Chenoweth E., Perkoski E., Kang S. State repression and nonviolent resistance // Journal of Conflict Resolution. - 2017. - Vol. 61. -№. 9. - C. 1950-1969.

44. Chenoweth E., Stephan M. J. Why civil resistance works: The strategic logic of nonviolent conflict. - Columbia University Press, 2011.

45. Clark D., Regan P. Mass Mobilization Data Project Codebook and User's Manual. - 2016.

46. Clark D., Regan P. Mass Mobilization Protest Data // Harvard Dataverse, V3. 2016. DOI: 10.7910/DVN/HTTWYL

47. Coppedge M., Gerring J., Knutsen C.H., Lindberg S.I. , Teorell J., Altman D., Bernhard M., Fish M.S., Glynn A., Hicken A., Lührmann A., Marquardt K.L., McMann K., Paxton P. , Pemstein D., SeimB., Sigman R., Skaaning S.-E., Staton J., Wilson S., Cornell A., Gastaldi L., Gjerlow H., Ilchenko N., Krusell J. , Maxwell L., Mechkova V., Medzihorsky J., Pernes J., von Römer J., Stepanova N., Sundström A., Tzelgov E., Wang Y., Wig T., Ziblatt D.V-Dem [Country-Year/Country-Date] Dataset v9 // Varieties of Democracy (V-Dem) Project. - 2019. https://doi.org/10.23696/vdemcy19

48. Dahlum S. Students in the streets: education and nonviolent protest // Comparative Political Studies. - 2019. - Vol. 52. - №. 2. - C. 277309.

49. Davenport C. State repression and political order // Annual Review of Political Science. - 2007. - Vol. 10. - C. 7-10.

50. Demirel-Pegg T. The dynamics of the demobilization of the protest campaign in Assam // International Interactions. - 2017. - Vol. 43. -№. 2. - C. 175-216.

51. Dollbaum J. M. Curbing protest through elite co-optation? Regional protest mobilization by the Russian systemic opposition during the

'for fair elections' protests 2011-2012 // Journal of Eurasian studies. - 2017. - T. 8. - №. 2. - C. 109-122.

52. Dose C., Cincotti S. Clustering of financial time series with application to index and enhanced index tracking portfolio // Physica A: Statistical Mechanics and its Applications. - 2005. - Vol. 355. - №. 1. - C. 145-151.

53. D'Urso P. Dissimilarity measures for time trajectories // Journal of the Italian Statistical Society. - 2000. - Vol. 9. - C. 53-83. doi:10.1007/BF03178958.

54. Filippov I., Yureskul E., Petrov A. Online Protest Mobilization: Building A Computational Model // 2020 13th International Conference" Management of large-scale system development"(MLSD). - IEEE, 2020. - C. 1-5.

55. Fonoberova M. et al. Small-world networks and synchronisation in an agent-based model of civil violence // Global Crime. - 2019. - T. 20. - №. 3-4. - C. 161-195.

56. Francisco R. After the massacre: Mobilization in the wake of harsh repression // Mobilization: An International Quarterly. - 2004. - Vol. 9. - №. 2. -C. 107-126.

57. Francisco R. A. The relationship between coercion and protest: An empirical evaluation in three coercive states // Journal of Conflict Resolution. -1995. - Vol. 39. - №. 2. - C. 263-282.

58. Gerber A. S., Green D. P., Larimer C. W. Social pressure and voter turnout: Evidence from a large-scale field experiment // American political Science review. - 2008. - T. 102. - №. 1. - C. 33-48.

59. Granovetter M. Threshold models of collective behavior // American journal of sociology. - 1978. - T. 83. - №. 6. - C. 1420-1443.

60. Earl J. Tanks, tear gas, and taxes: Toward a theory of movement repression // Sociological theory. - 2003. - Vol. 21. - №. 1. - C. 44-68.

61. Earl J., Soule S. A., McCarthy J. D. Protest under fire? Explaining the policing of protest // American sociological review. - 2003. - C. 581-606.

62. Epstein J. M. Modeling civil violence: An agent-based computational approach // Proceedings of the National Academy of Sciences.

- 2002. - Vol. 99. - N. suppl_3. - С. 7243-7250. https://doi.org/10.1073/pnas.092080199.

63. Erdös P., Rényi A. On the evolution of random graphs // Publ. math. inst. hung. acad. sci. - 1960. - Т. 5. - №. 1. - С. 17-60.

64. Galeano P., Peña D. Multivariate analysis in vector time series // DES-Working Papers: Statistics and Econometrics, WS. - 2001. - С. 383— 404. URL: http://hdl.handle.net/10016/162.

65. Gargiulo F., Gandica Y. The Role of Homophily in the Emergence of Opinion Controversies. Advances in Complex Systems. - 2017.

- Vol. 20. - No. 3. - С. 8. DOI: https://doi.org/10.18564/jasss.3448

66. González-Bailón S. et al. The dynamics of protest recruitment through an online network // Scientific reports. - 2011. - Т. 1. - №. 1. - С. 17.

67. Hagberg A., Swart P., S Chult D. Exploring network structure, dynamics, and function using NetworkX. - Los Alamos National Lab. (LANL), Los Alamos, NM (United States), 2008. - №. LA-UR-08-05495; LA-UR-08-5495. - С. 11-15. URL: A. http://aric.hagberg.org/papers/hagberg-2008- exploring.pdf (Проверено 31.07.2023)

68. Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., Wieser, E., Taylor, J., Berg, S., Smith, N. J., Kern, R., Picus, M., Hoyer, S., van Kerkwijk, M. H., Brett, M., Haldane, A., Del Rio, J. F., Wiebe, M., Peterson, P., Oliphant, T. E. Array programming with NumPy // Nature. - 2020. - Т. 585. - №. 7825. - С. 357-362.

69. Healy A., Malhotra N. Retrospective voting reconsidered // Annual Review of Political Science. - 2013. - Vol. 16. - С. 285-306.

70. Herrera Y. M., Kapur D. Improving data quality: Actors, incentives, and capabilities // Political Analysis. - 2007. - T. 15. - №. 4. - C. 365-386. DOI: https://doi.org/10.1093/pan/mpm007

71. Hess D., Martin B. Repression, backfire, and the theory of transformative events // Mobilization: An International Quarterly. - 2006. - Vol. 11.

- №. 2. - C. 249-267.

72. Inclan M. L. Repressive Threats, Procedural Concessions, and the Zapatista Cycle of Protests, 1994—2003 // Journal of Conflict Resolution. - 2009.

- Vol. 53. - №. 5. - C. 794-819.

73. Ives B., Lewis J. S. From Rallies to Riots: Why Some Protests Become Violent // Journal of Conflict Resolution. - 2019. - C. 1-29.

74. Jenkins J. C., Perrow C. Insurgency of the powerless: Farm worker movements (1946-1972) // American sociological review. - 1977. - C. 249-268.

75. Jeong Y.-S., Jeong M. K., Omitaomu O. A. Weighted dynamic time warping for time series classification // Pattern recognition. - 2011. - Vol. 44. - C. 2231-2240. doi:10.1016/j.patcog.2010.09.022.

76. Johnson J., Thyne C. L. Squeaky wheels and troop loyalty: How domestic protests influence coups d'état, 1951-2005 // Journal of conflict resolution.

- 2018. - Vol. 62. - №. 3. - C. 597-625.

77. Jothi R. Clustering time-series data generated by smart devices for human activity recognition // International Conference on Intelligent Systems Design and Applications. - Springer, Cham, 2018. - C. 708-716.

78. Kozitsin I. V. A general framework to link theory and empirics in opinion formation models // Scientific reports. - 2022. - T. 12. - №. 1. - C. 5543.

79. Kuran T. Now out of never: The element of surprise in the East European revolution of 1989 // World politics. - 1991. - T. 44. - №. 1. - C. 7-48.

80. Lang J. C., De Sterck H. The Arab Spring: A simple compartmental model for the dynamics of a revolution // Mathematical Social Sciences. - 2014. -Vol. 69. - C. 12-21.

81. Larson J. M. et al. Social networks and protest participation: Evidence from 130 million Twitter users //American Journal of Political Science. - 2019. - Т. 63. - №. 3. - С. 690-705.

82. LexisNexis Academic. URL: https://www.lexisnexis.com/ap/academic/form general easy.asp (Проверено 31.07.2023)

83. Lohmann S. The dynamics of informational cascades: The Monday demonstrations in Leipzig, East Germany, 1989-91 // World politics.

- 1994. - Vol. 47. - №. 1. - С. 42-101.

84. Lyall J. Does Indiscriminate violence incite Insurgent Attacks? Evidence from Chechnya // Journal of Conflict Resolution. - 2009. - Vol. 53.

- №. 3. - С. 331-362.

85. MacKinnon J. G., White H. Some heteroskedasticity-consistent covariance matrix estimators with improved finite sample properties // Journal of econometrics. 1985. Т. 29. №. 3. С. 305-325. DOI: https://doi.org/10.1016/0304-4076(85)90158-7

86. Makowsky M. D., Rubin J. An agent-based model of centralized institutions, social network technology, and revolution // PloS one. - 2013. -Т. 8. - №. 11. - С. e80380.

87. McAdam D. Recruitment to high-risk activism: The case of freedom summer // American journal of sociology. - 1986. - Vol. 92. - N. 1.

- С. 64-90. doi: 10.1086/228463.

88. McAdam D., Su Y. The war at home: Antiwar protests and congressional voting, 1965 to 1973 // American sociological review. - 2002.

- Vol. 67. - №. 5. - С. 696-721.

89. Moro A. Understanding the dynamics of violent political revolutions in an agent-based framework //PLOS one. - 2016. - Т. 11. - №. 4. - С. e01541754.

90. Muller E. N. Income inequality, regime repressiveness, and political violence // American sociological review. - 1985. - С. 47-61.

91. Muller E. N., Opp K. D. Rational choice and rebellious collective action // American Political Science Review. - 1986. - T. 80. - №. 2. - C. 471-487.

92. Nugent E. R. The psychology of repression and polarization // World Politics. - 2020. - T. 72. - №. 2. - C. 291-334.

93. Opp K. D., Roehl W. Repression, micromobilization, and political protest // Social Forces. - 1990. - Vol. 69. - №. 2. - C. 521-547.

94. Opp K. D. Repression and revolutionary action: East Germany in 1989 // Rationality and society. - 1994. - T. 6. - №. 1. - C. 101-138.

95. Petrov, A., Akhremenko, A., Zheglov, S. Dual Identity in Repressive Contexts: An Agent-Based Model of Protest Dynamics // Social Science Computer Review, online first. - 2023. - C. 08944393231159953. https://doi.org/10.1177/08944393231159953

96. Petrov A.P., Akhremenko A.S., Zheglov S.A., Kruchinskaia E. V. Is Network Structure Important for Protest Mobilization? Findings from Agent-Based Modeling // Monitoring of Public Opinion: Economic and Social Changes. - 2021. - N. 6. - P. 226-253. DOI: https://doi.org/10.14515/monitoring.2021.6.2021

97. Petrov A., Zheglov S., Akhremenko A. Modeling Intermittent Protest Campaigns // 2023 16th International Conference Management of large-scale system development (MLSD). - IEEE, 2023. - C 1-5.

98. Piven F. F., Cloward R. Poor people's movements: Why they succeed, how they fail. - New York: Vintage, 2012. - 383 c.

99. Rasler K. Concessions, repression, and political protest in the Iranian revolution // American Sociological Review. - 1996. - C. 132-152.

100. Raleigh C. et al. Introducing ACLED: An armed conflict location and event dataset // Journal of peace research. - 2010. - T. 47. - №. 5. - C. 651-660.

101. Rasler K. A. Dynamics, Endogeneity, and Complexity in Protest Campaigns // Oxford Research Encyclopedia of Politics. - 2017. - C. 1-26.

102. Regan P. M., Henderson E. A. Democracy, threats and Political repression in Developing countries: are Democracies internally less violent? // Third World Quarterly. - 2002. - Vol. 23. - №. 1. - C. 119-136.

103. Ritter E. H., Conrad C. R. Preventing and responding to dissent: The observational challenges of explaining strategic repression // American Political Science Review. - 2016. - Vol. 110. - №. 1. - C. 85-99.

104. Robins G., Pattison P., Elliott P. Network models for social influence processes // Psychometrika. - 2001. - T. 66. - C. 161-189.

105. Robins G., Elliott P., Pattison P. Network models for social selection processes // Social networks. - 2001. - T. 23. - №. 1. - C. 1-30.

106. Ruijgrok K. From the web to the streets: internet and protests under authoritarian regimes // Democratization. - 2017. - T. 24. - №. 3. - C. 498-520.

107. Rydzak J. Of blackouts and bandhs: The strategy and structure of disconnected protest in India // Available at SSRN 3330413. - 2019.

108. Salehyan I. et al. Social conflict in Africa: A new database // International Interactions. - 2012. - T. 38. - №. 4. - C. 503-511.

109. Sedashov E., Belenkov V., Koncha V. The Effect of Internet Shutdowns on Protest Activity in India: an Empirical Investigation // 2023 16th International Conference Management of large-scale system development (MLSD). - IEEE, 2023. - C. 1-4.

110. Siegel D. A. Social networks and collective action // American Journal of Political Science. - 2009. - Vol. 53. - №. 1. - C. 122-138.

111. Siegel D. A. When does repression work? Collective action in social networks // The Journal of Politics. - 2011. - Vol. 73. - N. 4. - P. 9931010. https://doi.org/10.1017/S0022381611000727.

112. Shadmehr M. Mobilization, Repression, and Revolution: Grievances and Opportunities in Contentious Politics. - Journal of Politics. -2014. - T. 76. - №. 3. - C.621-635. https://doi.org/10.1017/S00223 8161400026

113. Steinert-Threlkeld S., Steinert-Threlkeld Z. How social networks affect the repression-dissent puzzle // PloS one. - 2021. - Vol. 16. - №. 5. -C. e0250784.

114. Steinley D. K-means clustering: a half-century synthesis // British Journal of Mathematical and Statistical Psychology. - 2006. - Vol. 59. - C. 1-34. doi: 10.1348/000711005X48266

115. Sullivan C. M., Loyle C. E., Davenport C. The Coercive Weight of the Past: Temporal Dependence and the Conflict-Repression Nexus in the Northern Ireland «Troubles» // International Interactions. - 2012. - Vol. 38. - №2. 4. - C. 426442.

116. Sutton J., Butcher C. R., Svensson I. Explaining political jiu-jitsu: Institution-building and the outcomes of regime violence against unarmed protests // Journal of Peace Research. - 2014. - Vol. 51. - №. 5. - C. 559-573.

117. Tavenard R., Faouzi J., Vandewiele G., Divo F., Androz G., Holtz C., Payne M., Yurchak R., Rußwurm M., Kolar K., Woods E. Tslearn, a machine learning toolkit for time series data // Journal of Machine Learning Research. - 2020. - VOL. 21. - C. 1-6. URL: http://jmlr.org/papers/v21/20-091 .html.

118. Weidmann N. B., Rod E. G. The Internet and political protest in autocracies. - Oxford Studies in Digital Poli, 2019.

119. Wisler D., Giugni M. Under the spotlight: The impact of media attention on protest policing // Mobilization: An International Quarterly. - 1999. -Vol. 4. - №. 2. - C. 171-187.

120. Van Zomeren M., Postmes T., Spears R. Toward an integrative social identity model of collective action: a quantitative research synthesis of three socio-psychological perspectives // Psychological bulletin. 2008. T. 134. №. 4. C. 504535. DOI: 10.1037/0033-2909.134.4.504

121. Watts D. J., Strogatz S. H. Collective dynamics of 'small-world'networks // Nature. - 1998. - Vol. 393. - N. 6684. - C. 440-442. DOI: https://doi.org/10.1038/30918

122. World Development Indicators, The World Bank - 2019.

123. Yuen S., Cheng E. W. Neither repression nor concession? A regime's attrition against mass protests // Political Studies. - 2017. - Vol. 65. - №. 3. - C. 611-630.

124. Zhou H. B., Gao J. T. Automatic method for determining cluster number based on silhouette coefficient // Advanced Materials Research, Trans Tech Publ. - 2014. - Vol. 951. - C. 227-230. doi:10.4028/www.scientific.net/AMR.951.227.

Приложение А.

Таблица 1. Результаты логистической (Модель 1) и линейной (Модель 2) регрессионных моделей

МОДЕЛЬ МОДЕЛЬ 1 2

КОНСТАНТА -1.92** 0.39**

(0.21) (0.01)

СТАРТОВАЯ НЕГАТИВНАЯ ЭМОЦИОНАЛЬНЯА 6.83** 0.39**

РЕАКЦИЯ (0.1) (0.00)

ЛАГ ПРИНЯТИЯ РЕШЕНИЙ -0.15** 0.00**

(0.00) (0.00)

ИНТЕНСИВНОСТЬ РЕПРЕССИЙ (Ц) -17.22** 0.10**

(0.29) (0.01)

90-% КВАНТИЛЬ УСТАНОВОК 32.35** 1.32**

(2.02) (0.05)

ПЕРЕКЛЮЧАЕМЫЕ РЕПРЕССИИ 3.53** -0.11**

(0.08) (0.00)

ПРОПОРЦИОНАЛЬНЫЕ РЕПРЕССИИ 0.14 -0.11**

(0.07) (0.00)

ПРОПОРЦИОНАЛЬНЫЕ+ РЕПРЕССИИ -0.02 -0.09**

(0.07) (0.00)

АДАПТИВНЫЕ-0 РЕПРЕССИИ 2.13** -0.09**

(0.07) (0.00)

АДАПТИВНЫЕ-1 РЕПРЕССИИ 0.05 -0.08**

(0.07) (0.00)

СИЛА РЕПРЕССИЙ (Ц) * ПЕРЕКЛЮЧАЕМЫЕ 9.87** -0.26**

РЕПРЕССИИ (0.29) (0.01)

СИЛА РЕПРЕССИЙ (Ц) * ПРОПОРЦИОНАЛЬНЫЕ 0.34 -0.34**

РЕПРЕССИИ (0.31) (0.01)

СИЛА РЕПРЕССИЙ (Ц) * ПРОПОРЦИОНАЛЬНЫЕ+ 0.03 -0.30**

РЕПРЕССИИ (0.31) (0.01)

СИЛА РЕПРЕССИЙ (Ц) * АДАПТИВНЫЕ-0 РЕПРЕССИИ 5.08** -0.17**

(0.27) (0.01)

СИЛА РЕПРЕССИЙ (Ц) * АДАПТИВНЫЕ-1 РЕПРЕССИИ 0.05 -0.14**

(0.32) (0.01)

N 43140 16241

**Р < 0.001, *Р < 0.01,

Рисунок 1. Эффекты стратегий репрессий на целевые переменные в зависимости от интенсивности репрессий по логистической (Модель 1) и линейной (Модель 2)

регрессионной модели

Приложение Б

Рисунок 1. Эксперимент 1. Динамика значений внутригрупповой дисперсии и метрики силуэта для подбора оптимального числа кластеров (Численность)

Рисунок 2. Эксперимент 1. Динамика значений внутригрупповой дисперсии и метрики силуэта для подбора оптимального числа кластеров (Репрессии)

Рисунок 3. Эксперимент 1. Динамика численности протестующих для каждого кластера (К-теа^ на исходных данных, вторая производная)

Рисунок 4. Эксперимент 1. Динамика численности протестующих для каждого кластера (DTW-метод на скорости изменения показателей)

Рисунок 5. Эксперимент 1. Динамика численности протестующих для каждого кластера (К-теа^ на исходных данных, пропуски заполнены равновесными значениями)

Рисунок 7. Эксперимент 1. Динамика реакции властей для каждого кластера (спектральные характеристики)

Рисунок 9. Эксперимент 1. Динамика реакции властей для каждого: финальная

разбивка

Рисунок 11. Эксперимент 1. Паттерны протестной кампании: финальная разбивка:

сокращенная до 3

Рисунок 13. Эксперимент 1. Паттерны протестной кампании: финальная разбивка:

сокращенная до 6

Рисунок 15. Эксперимент 2. Динамика реакции властей для каждого: финальная

разбивка

Рисунок 17. Эксперимент 2. Паттерны протестной кампании: финальная разбивка:

сокращенная до шести

Рисунок 19. Эксперимент 3. Динамика реакции властей для каждого: финальная

разбивка

Рисунок 21. Эксперимент 3. Паттерны протестной кампании: финальная разбивка,

сокращённая до 4

Рисунок 23. Эксперимент 4. Динамика реакции властей для каждого: финальная

разбивка

Рисунок 25. Эксперимент 4. Паттерны протестной кампании: финальная разбивка,

сокращенная до 5

Приложение В.

Таблица 1. Результаты логистической регрессионной (Модель 1) модели по выживанию протестной кампании, линейной регрессионной модели по численности выживших протестных кампаний (Модель 2), линейной регрессионной модели по максимальной численности протестных кампаний (Модель 3) для паттернов реакции властей

МОДЕЛЬ МОДЕЛЬ МОДЕЛЬ 1 2 3

КОНСТАНТА -4.57 0.46*** 0.27***

(3.67) (0.05) (0.04)

СТАРТОВАЯ НЕГАТИВНАЯ 20.00* 0.35*** 0.29***

ЭМОЦИОНАЛЬНЯА РЕАКЦИЯ (7.85) (0.01) (0.01)

ЛАГ ПРИНЯТИЯ РЕШЕНИЙ -0.16 -0.00 -0.00

(0.11) (0.00) (0.00)

ИНТЕНСИВНОСТЬ РЕПРЕССИЙ (Ц) -46.64** 0 19*** -0 19***

(16.38) (0.03) (0.01)

90-% КВАНТИЛЬ УСТАНОВОК 122.79* 1.47** 1.18**

(51.51) (0.43) (0.43)

ПАТТЕРН «ФАЗОВЫЕ» 5.44* -0 09*** 0.06*

(2.64) (0.02) (0.03)

ПАТТЕРН «НАРАСТАНИЕ» -0 14*** 0.10**

(0.03) (0.03)

ПАТТЕРН «МЕРЦАНИЕ» -0.13*** 0.13***

(0.03) (0.02)

ПАТТЕРН «ПОСТОЯННЫЕ С ЗАТУХАНИЕМ» -0.07***

(0*01)

СИЛА РЕПРЕССИЙ (Ц) * ПАТТЕРН 9.53 -0 19*** -0.06

«ФАЗОВЫЕ» (5.72) (0.04) (0.04)

СИЛА РЕПРЕССИЙ (Ц) * ПАТТЕРН -0 39*** 0.05

«НАРАСТАНИЕ» (0.07) (0.07)

СИЛА РЕПРЕССИЙ (Ц) * ПАТТЕРН -0.25*** 0.19**

«МЕРЦАНИЕ» (0.04) (0.07)

СИЛА РЕПРЕССИЙ (Ц) * ПАТТЕРН 0.11 ***

«ПОСТОЯННЫЕ С ЗАТУХАНИЕМ» (0.03)

ЛАГ ПРИНЯТИЯ РЕШЕНИЙ * ПАТТЕРН -0.37 0.00 -0.00

«ФАЗОВЫЕ» (0.25) (0.00) (0.00)

ЛАГ ПРИНЯТИЯ РЕШЕНИЙ * ПАТТЕРН 0.00 0.00

«НАРАСТАНИЕ» (0.00) (0.00)

ЛАГ ПРИНЯТИЯ РЕШЕНИЙ * ПАТТЕРН 0.01* 0.00*

«МЕРЦАНИЕ» (0.00) (0.00)

ЛАГ ПРИНЯТИЯ РЕШЕНИЙ * ПАТТЕРН 0.00

«ПОСТОЯННЫЕ С ЗАТУХАНИЕМ» (0.00)

N 289 153 400

***Р <0.001, **Р <0.01, *Р < 0.05

Таблица 2. Результаты линейной регрессионной модели по численности выживших протестных кампаний (Модель 1), линейной регрессионной модели по максимальной численности протестных кампаний (Модель 2) для паттернов протестной кампании

МОДЕЛЬ МОДЕЛЬ 1 2

КОНСТАНТА 0.46*** 0.56***

(0.05) (0.03)

СТАРТОВАЯ НЕГАТИВНАЯ ЭМОЦИОНАЛЬНЯА 0.35*** 0 23***

РЕАКЦИЯ (0.01) (0.01)

ЛАГ ПРИНЯТИЯ РЕШЕНИЙ -0.00 0.00

(0.00) (0.00)

ИНТЕНСИВНОСТЬ РЕПРЕССИЙ (Ц) 0 19*** 0.35***

(0.03) (0.03)

90-% КВАНТИЛЬ УСТАНОВОК 1.46** 1 24***

(0.42) (0*25)

ПАТТЕРН «НАРАСТАНИЕ ПРИ МЕТАНИИ ВЛАСТЕЙ» -0.10*** -0.07**

(0.02) (0.02)

ПАТТЕРН «ЭСКАЛАЦИЯ» -0.13*** -0.12**

(0.03) (0.04)

ПАТТЕРН «БЛИЦ» -0.34***

(0.02)

ПАТТЕРН «ВСПЫШКА» -0.26***

(0.02)

ПАТТЕРН «КОШКИ-МЫШКИ» -0.33***

(0.02)

СИЛА РЕПРЕССИЙ (Ц) * ПАТТЕРН «НАРАСТАНИЕ ПРИ -0.22*** -0.23**

МЕТАНИИ ВЛАСТЕЙ» (0.04) (0.07)

СИЛА РЕПРЕССИЙ (Ц) * ПАТТЕРН «ЭСКАЛАЦИЯ» -0 39*** -0.42***

(0.07) (0.08)

СИЛА РЕПРЕССИЙ (Ц) * ПАТТЕРН «БЛИЦ» -0.37***

(0.03)

СИЛА РЕПРЕССИЙ (Ц) * ПАТТЕРН «ВСПЫШКА» -0.34***

(0.04)

СИЛА РЕПРЕССИЙ (Ц) * ПАТТЕРН «КОШКИ-МЫШКИ» -0.39***

(0.04)

ЛАГ ПРИНЯТИЯ РЕШЕНИЙ * ПАТТЕРН «НАРАСТАНИЕ 0.00 -0.00

ПРИ МЕТАНИИ ВЛАСТЕЙ» (0.00) (0.00)

ЛАГ ПРИНЯТИЯ РЕШЕНИЙ * ПАТТЕРН «ЭСКАЛАЦИЯ» 0.00 -0.00

(0.00) (0.00)

ЛАГ ПРИНЯТИЯ РЕШЕНИЙ * ПАТТЕРН «БЛИЦ» -0.00

(0.00)

ЛАГ ПРИНЯТИЯ РЕШЕНИЙ * ПАТТЕРН «ВСПЫШКА» -0.00

(0.00)

ЛАГ ПРИНЯТИЯ РЕШЕНИЙ * ПАТТЕРН «КОШКИ- -0.00

МЫШКИ» (0.00)

N 153 400

***Р <0.001, **Р <0.01, *Р < 0.05

Рисунок 1. Эффекты интенсивности репрессий в зависимости от паттернов реакции властей на численность выживших протестных кампании

на симулированных данных

Рисунок 2. Эффекты лага принятия решений властями в зависимости от паттернов реакции властей на численность выживших протестных кампании

на симулированных данных

Рисунок 3. Эффекты интенсивности репрессий на максимальную численность, имевшую место в протестных кампаниях, в зависимости от

паттернов реакции властей

Рисунок 4. Эффекты лага принятия решений властями на максимальную численность, имевшую место в протестных кампаниях, в зависимости от паттернов реакции властей

Эскалаиия Паттерны

Рисунок 5. Эффекты интенсивности репрессий на численность выживших протестных кампании в зависимости от паттернов протестных кампаний на симулированных данных Эффект времени лага в зависимости от паттерна

о.ооз Н 0.002 0.001

■ чи

^ 0.000

& -0.001 У"

т

-0.002 ■ -0.003 ■ -0.004 -

I I

Нарастание Эскалация Нарастание

при метании властей

Паттерны

Рисунок 6. Эффекты лага принятия решений властями на численность выживших протестных кампании в зависимости от паттернов протестных кампаний на симулированных данных

Рисунок 7. Эффекты интенсивности репрессий и лага принятия решений властями на максимальную численность, имевшую место в протестных кампаниях, в зависимости от паттернов протестных кампаний на

симулированных данных

Рисунок 8. Эффекты интенсивности репрессий и лага принятия решений властями на максимальную численность, имевшую место в протестных кампаниях, в зависимости от паттернов протестных кампаний на

симулированных данных

Приложение Г.

Таблица 1. Соответствие между паттернами численности протестующих и паттернами реакций властей на эмпирических данных

Паттерн динамики Паттерн реакции Число

численности властей симуляций

Постоянный Постоянные 27

Нарастание Постоянные 20

Затухание со вспышкой Постоянные 15

Затухание Постоянные 12

Затухание Нарастание 11

Нарастание Затухание со вспышкой 10

Затухание со вспышкой Затухание со вспышкой 10

Вспышка Постоянные 9

Затухание Затухание со вспышкой 8

Волновой Мерцание 8

Постоянный Нарастание 8

Нарастание Нарастание 8

Нарастание Нарастание с затуханием 7

Затухание со вспышкой Нарастание 7

Вспышка Нарастание 7

Вспышка Затухание 7

Вспышка Затухание со вспышкой 6

Волновой Фазовые 6

Волновой Нарастание с затуханием 6

Затухание со вспышкой Мерцание 6

Затухание Вспышка 6

Затухание Затухание 5

Волновой Затухание со вспышкой 5

Волновой Постоянные 5

Нарастание Затухание 4

Нарастание с затуханием Мерцание 4

Постоянный Затухание со вспышкой 4

Затухание со вспышкой Затухание 4

Затухание Нарастание с затуханием 4

Волновой Нарастание 4

Нарастание с затуханием Нарастание с затуханием 3

Паттерн динамики Паттерн реакции Число

численности властей симуляций

Постоянный Затухание 3

Волновой Затухание 3

Затухание со вспышкой Нарастание с затуханием 3

Затухание со вспышкой Вспышка 3

Нарастание Постоянные с затуханием 2

Волновой Постоянные с затуханием 2

Нарастание с затуханием Затухание 2

Нарастание с затуханием Затухание со вспышкой 2

Затухание со вспышкой Фазовые 2

Нарастание с затуханием Нарастание 2

Постоянный Нарастание с затуханием 2

Нарастание с затуханием Постоянные с затуханием 2

Вспышка Мерцание 2

Нарастание Мерцание 1

Затухание Мерцание 1

Нарастание с затуханием Постоянные 1

Затухание Постоянные с затуханием 1

Постоянный Вспышка 1

Нарастание Вспышка 1

Нарастание Фазовые 1

Постоянный Постоянные с затуханием 1

Рисунок 1. Динамика значений внутригрупповой дисперсии и метрики силуэта для подбора оптимального числа кластеров (Численность)

Рисунок 2. Динамика значений внутригрупповой дисперсии и метрики силуэта для подбора оптимального числа кластеров (Репрессии)

Рисунок 3. Динамика численности протестующих каждого кластера (исходные

данные, вторая производная)

Номер такта

Рисунок 5. Динамика численности протестующих каждого кластера (спектральные

характеристик, без шагов равновесия)

Рисунок 7. Динамика численности протестующих: финальная разбивка (сокращенная)

Рисунок 9. Динамика реакций властей каждого кластера (DTW-метод на скорости

изменения показателей)

Рисунок 10. Динамика реакций властей каждого кластера (спектральные характеристик, без шагов равновесия)

Рисунок 11. Динамика реакций властей: финальная разбивка

Рисунок 13. Динамика реакций властей: финальная разбивка (сокращенная,

итоговая)

Рисунок 15. Паттерны протестной кампании: финальная разбивка (Часть 2)

Рисунок 17. Паттерны протестной кампании: финальная разбивка (Часть 4)

Рисунок 19. Паттерны протестной кампании: итоговый вариант

Приложение Д.

Таблица 1. Результаты логистической регрессионной (Модель 1) модели по аккомодации требований протестной кампании; логистической регрессионной (Модель 2) модели по протестной кампании, закончившейся отставкой министра / кабинета министров; линейной регрессионной модели по максимальной численности протестных кампаний, закончившихся аккомодацией (Модель 3); линейной регрессионной модели по максимальной численности протестных кампаний (Модель 4) для паттернов реакции властей

МОДЕЛЬ МОДЕЛЬ МОДЕЛЬ МОДЕЛЬ

1 2 3 4

КОНСТАНТА -4.62 -94.81 -0.45 -0.12

(3.06) (3.79*10А4) (161) (0.37)

НАСИЛИЕ СО СТОРОНЫ 0.91** -0.07 0.03

ПРОТЕСТУЮЩИХ (0.38) (0.14) (0.05)

ПАТТЕРН «ЗАТУХАНИЕ» 4 94** 92.11 1.48 0.34

(2.27) (3.45*10А4) (158) (0.31)

ПАТТЕРН «МЕРЦАНИЕ» 5.55** 92.78 2.09 0.41

(2.39) (2.84*10А4) (159) (0.35)

ПАТТЕРН «НАРАСТАНИЕ» 4.52** 94.04 1.79 0.46