Что такое регрессия в прошлые жизни? — центр "пробуждение"
Используемые приемы
Успешность регрессивной терапии во многом зависит от того, как психотерапевт направит мысли своего пациента к определенному периоду жизни. Он может расспрашивать его о том времени, рассказывать что-то о детстве других людей, или и вовсе поделиться личными историями. Здесь действует принцип Мильтона Эриксона: «Если нужно, чтобы человек поведал о своем брате – расскажите ему о своем».
Также используются такие приемы:
- Контекстуальное внушение. Терапевт делает в своей речи акцент на такие слова, как «вспомнить», «вернуться», «думать о прошлом».
- Двойная связка. Например: «Вы можете вернуться в то время, когда вам было 5 лет. Но вероятно, что это окажется более поздний период – 10 лет, например».
- Подразумеваемое указание. Допустим: «Когда вы вновь почувствуете себя маленьким 5-летним ребенком, у вас удастся вспомнить кабинет, в котором вы учились».
Разумеется, терапевт оперирует фактами, выясненными в процессе разговора с пациентом. Он задействует его же воспоминания, ведь эти «якоря памяти» действительно способны вернуть в прошлое.
Меры предосторожности
О них тоже следует рассказать напоследок. Почему лучше проходить регрессивную терапию в Москве, Санкт-Петербурге, или любом другом городе – главное, лишь бы в профессиональном центре? Потому что это сложный процесс. Он подразумевает изменение состояния сознания и психики. Введение в транс должен осуществлять опытный гипнолог.
Чем меньше специалист имеет об этом знаний – тем больше осторожности он обязан проявлять, используя технику регрессии. Важно четко определить событие, к которому должен «вернуться» человек, конкретизировать гипнотическое внушение. Речь идет не о воспоминаниях, а об активации в памяти пациента конкретного события.
Также надо принять во внимание способность человека переносить ильные эмоции и то, готов ли он к абреакции – повторному переживанию травматического события. Если у пациента наблюдается пограничное расстройство личности, например, ему предварительно надо обрести способность держать под контролем свое эмоциональное состояние.
Гипнотерапевту тоже надо учесть свое умение переносить сильные впечатления, связанные с тем, что ему рассказывает человек. Ему ни в коем случае нельзя терять контроль над трансом.
А при лечении депрессий данным методом и вовсе надо учитывать то, что для людей, страдающих данным состоянием, характерно ориентирование на воспоминания, которые присутствовали в прошлом. Если неграмотно или слишком рано применить регрессию, то можно не помочь человеку справиться с проблемой, а лишь закрепить его дисфункцию.
Погружение в прошлое
После ответа на все вопросы можно попробовать выполнить регрессивную терапию самостоятельно. Делается это в несколько этапов:
- Нужно расслабиться. Отключить все средства связи, сидя расположиться в тихом и комфортном месте. Закрыть глаза и медленно дышать, концентрируясь на расслаблении тела. Нужно избавиться от посторонних мыслей.
- Надо представить себя, находящимся в том месте, где лучше всего. В живописном уголке природы, например. Это будет место «перехода» из реальной жизни в прошлую. Там должен находиться соответствующий «портал» — туннель, пещера или мост. Передвигаясь по нему, нужно сконцентрироваться на воспоминании своей гармоничной прошлой жизни. Нужно внимательно следить за происходящими изменениями. Меняется ли пол, место, эпоха? Как разворачиваются события?
- Погрузившись в атмосферу прошлого, можно исследовать свою минувшую жизнь от рождения и до последнего дня. Узнав все, что хотелось, надо мысленно вернуться в то место, откуда и начиналось путешествие. Надо пройтись по тому же пути. И медленно вернуться к своему реальному местонахождению.
- Не надо торопиться выходить из погружения. Нужно в течение нескольких минут глубоко, полной грудью дышать. До того, пока не удастся почувствовать себя уверенно и комфортно. Затем надо открыть глаза и выпить воды.
Рассказывая о том, как применить к себе регрессивную терапию, нужно уточнить, что во время сеанса многие люди оказываются в негативном событии. Не удивительно, ведь именно они зачастую являются ключевыми. Их можно проработать, чтобы они не влияли затем на реальную жизнь.
Но если не хочется оказаться шокированным, надо первым делом настроиться. Что человеку важно – увидеть минувшую реальность целиком или лишь положительные события?
Показания
Возрастная регрессивная терапия применяется для решения самых разных проблем психологического характера. Вот для чего она необходима:
- Поиск причин симптома (допустим, заикания или нервного тика), если есть предположение, что его появление связано с какими-то событиями из прошлого человека. Когда будет выяснено, почему он возник, его будет легче устранить посредством различных терапевтических приемов.
- Возврат в тот период, когда человек не мучился от беспокоящей его в настоящем времени проблемы. Или же в тот момент, когда он ее успешно преодолел. Благодаря этому у человека удастся поверить в наличие у него способностей, необходимых для устранения проблемы. Также данная методика способна помочь ему понять, что именно тогда его выручило и поспособствовало улучшению состояния. В данном случае регрессивная терапия помогает вернуть мотивацию и веру в себя.
- Лечение фобий. Так, например, если человек боится летать в самолете, то гипнотизер поможет «вернуть» его в тот момент, когда полет закончился благополучно. Пациент переживет то состояние безопасности и покоя и запомнит его.
- Лечение депрессий. Человек, «вернувшись в прошлое», сможет избавиться от дисфункциональных шаблонов поведения. Именно они зачастую оказываются основой депрессивного расстройства.
Кстати, бывают случаи, когда регрессия оказывается спонтанной. И психотерапевту, наоборот, приходится ее лечить. В таких случаях врач учит контролировать такие переживания и эмоции, которые данное явление вызывает. Возникает спонтанная регрессия, как правило, из-за какой-либо психологической травмы.
Регрессор
— энциклопедия по экономике
[c.88]
Но чем больше переменных включает модель, тем больше среди них оказывается взаимосвязанных и взаимозависимых регрессоров. Корреляция между регрессорами снижает точность. Модель, для построения которой использованы сильно коррелированные данные, может быть вообще ошибочной. На практике переменные да-
[c.91]
Частный коэффициент корреляции, как известно, интерпретируется как корреляция между переменной-регрессором и зависимой переменной, когда эффекты корреляции других переменных элиминированы.
[c.92]
Четвертая бинарная переменная, относящаяся к осени, не вводится, так как тогда для любого месяца будет выполняться тождество dt d2 d инейную зависимость регрессоров и как следствие невозможность получения оценок параметров модели методом наибольших общих квадратов, используемым в большинстве статистических пакетов.
[c.93]
До сих пор мы рассматривали регрессионную модель, в которой в качестве объясняющих переменных (регрессоров) выступали количественные переменные (производительность труда, себестоимость продукции, доход и т. п.). Однако на практике достаточно часто возникает необходимость исследования влияния качественных признаков, имеющих два или несколько уровней (градаций). К числу таких признаков можно отнести пол (мужской, женский), образование (начальное, среднее, высшее), фактор сезонности (зима, весна, лето, осень) и т. п.
[c.115]
Для данного временного ряда далеко не всегда удается подобрать адекватную модель, для которой ряд возмущений Е, будет удовлетворять основным предпосылкам регрессионного анализа. До сих пор мы рассматривали модели вида (6.7), в которых в качестве регрессора выступала переменная t — время . В эконометрике достаточно широкое распространение получили и другие
[c.146]
Рассмотрим еще один пример, в котором исследуется зависимость дохода индивидуума (У) от уровня его образования Х, принимающего значения от 1 до 5, по данным п = 150 наблюдений. В число объясняющих переменных (регрессоров) включен также и возраст Xi.
[c.158]
Упорядочим п наблюдений в порядке возрастания значений регрессора Хи выберем т первых и т последних наблюдений.
[c.159]
Сначала следует применить обычный метод наименьших квадратов к модели (7.25), затем надо найти регрессию квадратов остатков на квадратичные функции регрессоров, т. е. найти уравнение регрессии (7.21), где / — квадратичная функция, аргументами которой являются квадраты значений регрессоров и их попарные произведения. После чего следует вычислить прогнозные значения ё по полученному уравнению регрессии и
[c.165]
Однако существуют два пороговых значения dB и dH, зависящие только от числа наблюдений, числа регрессоров и уровня значимости, такие, что выполняются следующие условия.
[c.172]
Одной из причин автокорреляции ошибок регрессии является наличие скрытых регрессоров, влияние которых в результате проявляется через случайный член. Выявление этих скрытых регрессоров часто позволяет получить регрессионную модель без автокорреляции.
[c.178]
В число регрессоров в моделях временных рядов могут быть включены и константа, и временной тренд, и какие-либо другие объясняющие переменные. Ошибки регрессии могут коррелировать между собой, однако, мы предполагаем, что остатки регрессии образуют стационарный временной ряд.
[c.179]
Переменная время / здесь выступает в роли регрессора.
[c.184]
При осуществлении регрессии квадратов остатков на квадраты регрессоров получено уравнение вида
[c.189]
Стохастические регрессоры До сих пор мы предполагали, что в регрессионной модели (4.2)
[c.191]
Подобное предположение, приводящее к значительным техническим упрощениям, может быть оправдано в том случае, когда экспериментальные данные представляют собой пространственную выборку. В самом деле, мы можем считать, что значения переменных Xj мы выбираем заранее, а затем наблюдаем получающиеся при этом значения Y (здесь имеется некоторая аналогия с заданием функции по точкам — значения независимой переменной выбираются произвольно, а значения зависимой вычисляются). В случае временного ряда, регрессоры которого представляют собой временной тренд, циклическую и сезонную компоненты, объясняющие переменные также, очевидно, не случайны.
[c.191]
Однако в тех случаях, когда среди регрессоров временного ряда присутствуют переменные, значения которых сами образуют временной ряд, предположение об их детерминированности неправомерно. Так что в моделях временных рядов мы, как правило, должны считать наблюдения х (t = 1,…, п j = 1,…, р) случайными величинами.
[c.191]
Предположим пока для простоты, что имеется всего один регрессор X, т. е. модель имеет вид
[c.192]
Рассмотрим отдельно три случая. 1. Регрессоры Хи ошибки регрессии е не коррелируют, т. е. генеральная ковариация ov (xi )=0 для всех s, t = I,…, n.
[c.192]
Значения регрессоров X не коррелированы с ошибками регрессии Е в данный момент времени, но коррелируют с ошибками регрессии в более ранние моменты времени t — т.
[c.193]
Значения регрессоров Xt коррелированы с ошибками zt.
[c.193]
Таким образом, коррелированность регрессоров и ошибок регрессии оказывается значительно более неприятным обстоятельством, чем, например, гетероскедастичность или автокорреляция. Неадекватными оказываются не только результаты тестирования гипотез, но и сами оценочные значения параметров.
[c.194]
Мы рассмотрим две наиболее часто встречающиеся причины коррелированности регрессоров и ошибок регрессии.
[c.194]
На случайный член е воздействуют те же факторы, что и на формирование значений регрессоров.
[c.194]
Насколько достоверны полученные результаты Очевидно, и доставка сырья в город В, и доставка конечного продукта в город С связаны с перевозками, а значит, такие факторы, как затраты на топливо, зарплата водителей, состояние дорог и т. д. будут влиять и на формирование цены X, и на конечную цену Y при заданном А, т. е. на величину ошибок регрессии модели. Таким образом, регрессоры и ошибки регрессии оказываются коррелированными, и оценки, полученные методом наименьших квадратов, несостоятельны.
[c.195]
Ошибки при измерении регрессоров. Пусть при измерении регрессора X/ допускается случайная ошибка U/, удовлетворяющая условию М(м0)=0, т. е. в обработку поступает не истинное наблюдаемое значение х,/, а искаженное
[c.195]
Тест ранговой корреляции Спирмена использует наиболее общие предположения о зависимости дисперсий ошибок регрессии от значений регрессоров
[c.158]
Идея теста заключается в том, что абсолютные величины остатков регрессии е/ являются оценками а/, поэтому в случае ге-тероскедастичности абсолютные величины остатков е/ и значения регрессоров х/ будут коррелированы.
[c.159]
Тест Уайта. Тест ранговой корреляции Спирмена и тест Голдфелда—Квандта позволяют обнаружить лишь само наличие гетероскедастичности, но они не дают возможности проследить количественный характер зависимости дисперсий ошибок регрессии от значений регрессоров и, следовательно, не представляют каких-либо способов устранения гетероскедастичности.
[c.161]
Наиболее простой и часто употребляемый тест на гетероске-дастичность — тест Уайта. При использовании этого теста предполагается, что дисперсии ошибок регрессии представляют собой одну и ту же функцию от наблюдаемых значений регрессоров, т.е.
[c.161]
Чаще всего функция / выбирается квадратичной, что соответствует тому, что средняя квадратическаяошибка регрессии зависит от наблюдаемых значений регрессоров приближенно линейно. Гомоскедастичной выборке соответствует случай /= onst.
[c.161]
В большинстве современных пакетов, таких, как E onometri Views , регрессию (7.21) не приходится осуществлять вручную — тест Уайта входит в пакет как стандартная подпрограмма. В этом случае функция / выбирается квадратичной, регрессоры в (7.21) — это регрессоры рассматриваемой модели, их квадраты и, возможно, попарные произведения.
[c.161]
Другим недостатком тестов Уайта и Глейзера является то, что факт невыявления ими гетероскедастичности, вообще говоря, не означает ее отсутствия. В самом деле, принимая гипотезу Щ, мы принимаем лишь тот факт, что отсутствует определенного вида зависимость дисперсий ошибок регрессии от значений регрессоров.
[c.166]
Тест Дарбина—Уотсона имеет один существенный недостаток — распределение статистики d зависит не только от числа наблюдений, но и от значений регрессоров Xj (j= I,. .., р). Это означает, что тест Дарбина—Уотсона, вообще говоря, не представляет собой статистический критерий, в том смысле, что нельзя указать критическую область, которая позволяла бы отвергнуть гипотезу об отсутствии корреляции, если бы оказалось, что в эту область попало наблюдаемое значение статистики d.
[c.172]
Как видно, значимым оказывается только регрессор е , т. е. существенное влияние на результат наблюдения е, оказывает только одно предыдущее значение е . Положительность оценки соответствующего коэффициента регрессии указывает на положительную корреляцию между ошибками регрессии etvi е,-. К такому же выводу приводит и значение статистики Дарбина— Уотсона, полученное в 7.7.
[c.175]
Наиболее часто скрытыми регрессорами оказываются лаго-вые объясняемые переменные (см. 6.5). В случае временного ряда вполне естественно предположить, что значения объясняемых переменных зависят не только от включенных уже регрессоров, но и от предыдущих значений объясняемой переменной. Рассмотренные тесты показывают, что это почти всегда имеет место в случае автокорреляции.
[c.178]
Идентификацией временного ряда мы будем называть построение для ряда остатков адекватной ARMA-модели, т. е. такой А/Ш4-модели, в которой остатки представляют собой белый шум, а все регрессоры значимы. Такое представление, как правило, не единственное, например, один и тот же ряд может быть идентифицирован и с помощью А/ -модели, и с помощью М4-модели. В этом случае выбирается наиболее простая модель.
[c.179]
В этом случае естественно возникает вопрос о коррелиро-ванности между регрессорами и ошибками регрессии е. Покажем, что от этого существенно зависят результаты оценивания — причем не только количественно, но и качественно.
[c.191]
Естественно ожидать в этом случае коррелированность регрессоров Хи ошибок регрессии е ( ov (X, е) — yS ov( /, /)). Рассмотрим следующий модельный пример.
[c.194]
