Modeling Fisheries Agreements with Side Payments: The Case of Western Atlantic Bluefin Tuna
Notice bibliographique
Résumé
This paper tries to fill a gap in the fisheries economics literature by proposing static and dynamic models with side payments in a stochastic and sequentially harvested fishery. The incentive problem considered in this paper arises between two central regulatory authorities who manage an internationally shared fishery, i.e., when the regulator of one fishing nation (Principal) provides monetary compensation to induce the regulator of another country (Agent) to restrict own fishing activities. Most of the previous analysis for international fishing agreements had either focused on cooperation without side payments (and particular in the context of common-pool resources), or had introduced payments under the implicit assumption that it is politically acceptable for a fishing nation to completely “buy-out” another. Compensation in this paper, instead, induces the Agent to harvest less extensively, keeping nonetheless the right to operate exclusively in her own area. The conditions characterizing the solution of the dynamic model in this paper are the analogue of the Martingale Property from the finance literature. The Western Atlantic Bluefin Tuna fishery serves as an example to illustrate the model with some plausible parameter values. The calibrated model predicts that side payments from Canada to the US could increase Canadian welfare by US$5–10 million, if predicted by the static model; and between US$9.7–16.3, if predicted by the two-period model. Overall, the theoretical development and empirical application of this paper illustrate how side payments can be a helpful additional instrument for designing international fishing agreements.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».