Астрология и наука: вердикт РАН 2026

Взаимосвязь астрологии и статистики имеет историю, насчитывающую более полувека серьезных научных попыток валидации астрологических принципов. Несмотря на то, что Комиссия РАН по борьбе с лженаукой в своем меморандуме (опубликованном ранее и актуальном на 15 июля 2026 года) однозначно классифицировала астрологию как псевдонауку, указывая на отсутствие механизма воздействия и несоответствие критериям фальсифицируемости Поппера, именно статистические методы становились основным полем битвы за «научный статус» астрологии в XX и XXI веках.

Данная статья подробно рассматривает эволюцию статистических подходов в астрологии, ключевые исследования, методологические проблемы и причины, по которым научное сообщество остается неудовлетворенными полученными результатами.

Исторический контекст: от качественных к количественным оценкам

До XX века астрология опиралась на качественный анализ (интерпретацию символов, мифологические архетипы, трактовку аспектов). Переход к количественным методам был продиктован желанием:

Исключить субъективность астролога-интерпретатора.
Проверить конкретные гипотезы (например, «Марс в 10 доме чаще у спортсменов») на больших выборках.
Получить результаты, воспринимаемые академическим сообществом.

Пионеры: Мишель и Франсуаз Гоклен (Michel & Françoise Gauquelin)

Самыми известными и масштабными исследованиями стали работы французского психолога и статистика Мишеля Гоклена (1950–1980-е гг.). Он отверг традиционные знаки зодиака и дома, сфокусировавшись на диуральном цикле (позиции планет относительно горизонта и меридиана в момент рождения).

Ключевой эффект «Гоклена» (Planetary Heredity / Professional Effects):

Выборка: Десятки тысяч профессионалов (врачи, спортсмены, ученые, военные, артисты) из реестров Европы.
Метод: Сравнение наблюдаемой частоты планет в «ключевых секторах» (восход, кульминация, заход, надир) с теоретически ожидаемой (равномерное распределение).
Результаты: Статистически значимое (p < 0.001) превышение частоты:
- Марса и Сатурна у выдающихся спортсменов (сектор восхода/кульминации).
- Юпитера у актеров и политиков.
- Венеры у художников/музыкантов.
- Луны у писателей.

Критика и репликация: Комиссии CSICOP (Комитет по научному расследованию паранормальных явлений) и независимые исследователи (например, Деннис Роулинс, Джеффри Дин) выявили ошибки в отборе выборки («эффект файла», неравномерность рождаемости по сезонам/часам), что привело к снижению значимости эффектов при строгом контроле. Гоклен оспаривал критику, но консенсус не был достигнут.

Основные статистические подходы в астрологических исследованиях

Современные попытки применения Data Science к астрологии можно классифицировать по типам задач и данным.

Частотный анализ (Frequency Analysis) / Тест хи-квадрат (Chi-square)

Классический метод проверки гипотез о распределении категориальных признаков.

Суть: Сравнение наблюдаемого (Observed) и ожидаемого (Expected) количества случаев в ячейках таблицы сопряженности (например: Знак Солнца × Профессия).
Проблема множественных сравнений (Multiple Testing Problem): При проверке 10 планет × 12 знаков × 12 домов × 100 профессий получается 14 400 тестов. При α=0.05 чисто случайно будет ~720 «значимых» результатов. Коррекция Бонферрони или FDR (False Discovery Rate) делает порог значимости неосуществительно строгим для типичных астрологических выборок.

Регрессионное моделирование и Машинное обучение (ML)

С развитием вычислительных мощностей (актуально для 2026 года) применяются:

Логистическая регрессия: Предсказание бинарного исхода (например, «болен/здоров», «разведен/не разведен») по планетарным координатам;
Градиентный бустинг (XGBoost, LightGBM, CatBoost) и Нейросети: Поиск нелинейных взаимодействий между сотнями признаков (аспекты, мидпоинты, арабские части, гармоники).
SHAP-значения (SHAP values): Интерпретация «черного ящика» модели для понимания, какие астрологические факторы вносят вклад в предсказание.

Результаты: На открытых соревнованиях (Kaggle и аналогичных) модели на астрологических признаках показывают AUC-ROC ≈ 0.50–0.52 (уровень случайного угадывания) для жизненных исходов, не связанных с сезонностью рождения.

Мета-анализ

Обобщение результатов десятков независимых исследований.

Самый известный мета-анализ Дина и Джеффри Дин (2003) и последующие работы Шона Карльсона (Nature, 1985) и Ивана Келли охватывают сотни тестов.

Методологические ловушки и артефакты данных

Понимание того, почему статистика «не работает» на астрологии, требует знания специфических артефактов демографических данных.

Артефакт	Описание	Влияние на астрологию
Сезонность рождаемости	Неравномерное распределение рождений по месяцам (пики в августе-сентябре в РФ/ЕС, культурные/климатические факторы).	Создает ложные корреляции между Знаками Зодиака (Солнцем) и социальными исходами (образование, спорт, здоровье), обусловленными возрастом при входе в школу/секцию (Relative Age Effect).
Диуральная ритмичность	Пики родов утром/днем (плановые кесаревы, стимуляция) и спады ночью.	Искажает распределение планет по Домам (Асценденту/МС). Марс/Сатурн у Гоклена могли быть артефактом частоты родов в определенное время суток для определенных социальных групп.
Широтная зависимость	Скорость движения Асцендента и домов зависит от широты места рождения.	Сравнение данных из Москвы и Сочи без поправки на широту вносит систематическую ошибку в «домашнюю» астрологию.
Выборка выживших / Berkson’s Paradox	Изучение только «успешных» или «больных» людей без контрольной группы из общего населения.	Создает иллюзию ассоциации там, где её нет в генеральной совокупности.
P-hacking / Data Dredging	Поиск значимых паттернов без предварительной гипотезы (HARKing — Hypothesizing After Results are Known).	Главная причина нереплицируемости астрологических «открытий».

Крупномасштабные современные исследования (Обзор на 2026 год)

Проект «Астрология и Big Data» (университеты Европы и США, 2020–2024)

Анализ анонимизированных данных государственных реестров (Скандинавия, Нидерланды, UK Biobank), миллионы записей с точным временем рождения.

Задача: Предсказание 50+ исходов (диагнозы ICD-10, уровень дохода, продолжительность жизни, тип личности Big Five).
Методы: Полиномиальная регрессия, Random Forest, Deep Learning (TabNet).
Результат: Нулевая предсказательная способность планетных позиций (включая внешние планеты и астероиды) после контроля за датой рождения (сезонностью), полом, местом рождения и социально-экономическим статусом родителей. R² < 0.0001 для всех несезонных признаков.

Тестирование «Гармоник» и «Мидпоинтов» (Гамбургская школа, Уранская астрология)

Проверка гипотез о работе с гармониками 4, 5, 7, 8, 9 и мидпоинтами (средними точками) на выборках > 100 000 профилей.

При строгой коррекции на множественные сравнения (Benjamini-Hochberg) ни одна гармоника не показала устойчивого эффекта, превышающего шум выборки.

Позиция научного сообщества: Меморандум РАН и критерии демаркации

Меморандум Комиссии РАН по борьбе с лженаукой подчеркивает: статистическая значимость ≠ научная валидность теории. Даже если находится корреляция (что не происходит при честном подходе), астрология не предлагает:

Физического механизма (гравитация/электромагнетизм планет слишком слабы; «информационное поле» — неоперационализуемое понятие).

Фальсифицируемости в попперовском смысле: любое несоответствие объясняется «сложностью конфигурации», «прогрессиями», «транзитами» или «свободной волей».

Прогнозной точности, превосходящей холодное чтение (cold reading) или базовые демографические модели.

С точки зрения философии науки, астрология относится к программам дегенеративного сдвига (Имре Лакатос): защитный пояс вспомогательных гипотез расширяеться быстрее, чем предсказательная сила ядра теории.

Почему астрология выживает несмотря на статистику? (Когнитивные и социальные факторы)

Статистика оперирует популяциями, а человек воспринимает индивидуальный случай. Ключевые механизмы:

Эффект Барнума (Форера): Люди принимают общие, размытые описания как точно применительные к себе (p < 0.001 в экспериментах).
Подтверждающая предвзятость (Confirmation Bias): Запоминание попаданий и игнорирование промахов.
Иллюзия контроля и снижение тревоги: Астрология дает чувство упорядоченности хаотичного мира.
Социальная валидация: Обсуждение натальных карт как социальный клей (small talk, тайминг встреч).

Перспективы: Астрология как объект изучения Data Science

Парадоксально, но в 2026 году астрология становится отличным учебным полигоном (benchmark) для методов ML:

Проверка устойчивости моделей к утечке данных (data leakage) через временные метки.
Тестирование методов Explainable AI (XAI) на заведомо шумных данных с известной структурой (планеты, аспекты, знаки).
Изучение культурной эволюции мифов через анализ больших текстовых корпусов гороскопов (NLP, Topic Modeling).

Статистические методы, примененные к астрологии за последние 70 лет, исчерпали свой исследовательский ресурс. От работ Гоклена до современного Deep Learning на миллионах профилей (UK Biobank, скандинавские реестры) результат остается стабильным: нет воспроизводимых статистически значимых ассоциаций между планетарными позициями в момент рождения и психологическими, профессиональными или медицинскими исходами жизни человека, которые не объяснялись бы сезонностью рождения или социальными артефактами.

Меморандум РАН зафиксировал этот консенсус на институциональном уровне. Современная наука рассматривает астрологию не как объект для поиска «скрытых закономерностей» статистикой, а как феномен культуры, когнитивной психологии и истории науки, достойный изучения именно в этих ракурсах.

Статистика в астрологии: исторический обзор и современные методы