Статья посвящена решению задачи определения уровня тревожности человека на основе формирования и исследования нечетких моделей. Повышенный уровень тревожности оказывает негативное влияние на когнитивные функции, сон, работоспособность, эмоциональное состояние, социальные отношения и соматическое здоровье человека. Поэтому регулярное самонаблюдение и диагностика уровня тревожности позволяют своевременно выявлять изменения в психоэмоциональном фоне и предпринимать необходимые меры по его стабилизации. Предложен подход к формированию нечетких моделей анализа психического состояния человека. В качестве целевого показателя для анализа выбран уровень тревожности. Для формирования нечетких моделей использована нейронечеткая система. Ее использование потребовало получения и подготовки данных для анализа, задания числа нечетких градаций входных нейронов в нечеткой нейронной сети, ее обучения, а также формирования и оценки нечеткой модели. Для обучения нечеткой нейронной сети и формирования нечеткой модели выбран общедоступный набор данных «Social Anxiety Dataset», размещенный на платформе Kaggle. Набор объемом более 11000 записей включает 18 входных и 1 выходной признак (уровень тревожности, выраженный числом от 1 до 9). Из 18 входных признаков на основе корреляционного анализа выбрано 6 как наиболее значимых. Далее проведен поиск и устранение выбросов в наборе данных. Подготовленные данные использованы для формирования и исследования нечетких моделей определения уровня тревожности человека. На первом этапе исследований определенно оптимальное число из трех выходных классов (низкий, средний и высокий уровень тревожности). Далее проведены эксперименты для определения влияния числа градаций входных переменных на точность классификации. Наилучшие результаты классификации достигнуты при использовании пяти нечетких градаций. На заключительном этапе исследований проведены эксперименты по оценке точности построенной нечеткой модели при работе с зашумленными данными. Полученные результаты подтвердили устойчивость модели к шумам и вариативности входных данных, а также ее применимость в реальных условиях, где входные значения могут быть неточными. В результате проведенных исследований построена нечеткая модель с точностью классификации на тестовой выборке данных 83,99%. Модель показала высокий уровень готовности к практическому использованию для предварительной самодиагностики психоэмоционального состояния человека.