Great Lobbying Allocation And Dissipation Of Rents In A Dynamic Commonagency Model
Notice bibliographique
Résumé
This paper examines a model in which harvesters act strategically in a dynamic game in which they compete for a commonly owned biological resource. Rather than choosing the quantity they harvest in each period, harvesters choose the amount of lobbying effort they expend to obtain a harvest quota from a regulator. The resulting Truthful Markov Perfect steadystate equilibrium is Pareto optimal, given that regulation is in place. However, under certain plausible conditions, the regulated equilibrium is inferior to the non-cooperative common property equilibrium---thus regulation may not be socially beneficial. Furthermore, welfare improving regulation may not be adopted by harvesters, since the regulator may take too large of a share of the rents. Key words: Common agency; Common property; Markov equilibrium. JEL classification: D72, Q22, C73 # I would like to thank Chris Bruce, Jeff Church, Aidan Hollis, Ron Johnson, Ken McKenzie, Liz Wilman, and seminar participants at the University of Calgary for helpful suggestions. All remaining errors are my own. 2 THE GREAT FISH LOBBYING WAR: THE ALLOCATION AND DISSIPATION OF RENTS IN A DYNAMIC COMMONAGENCY MODEL Abstract: This paper examines a model in which harvesters act strategically in a dynamic game in which they compete for a commonly owned biological resource. Rather than choosing the quantity they harvest in each period, harvesters choose the amount of lobbying effort they expend to obtain a harvest quota from a regulator. The resulting Truthful Markov Perfect steadystate equilibrium is Pareto optimal, given that regulation is in place. However, under certain plausible conditions, the regulated equilibrium is inferior to the non-cooperative common property equilibrium---thus regulation may not be socially benefici...
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 ».