Maryna povitkina sverker c. Jagers

 

8 

The investigation 

The  health  of  marine  ecosystems  is  determined  by  various  factors  in  a  complex  and  interlinked 

system (UN-DESA 2008). More specifically, in order to operationalize this concept, we use a well-

established indicator, the Marine Trophic Index (MTI). This measurement captures to what extent 

countries “fish down the food chain” within their exclusive economic zones. Pressure on fisheries 

from harvesting tends to affect fish at the top of the food chain as humans often target larger pred-

atory fishes (Pauly 2005; Pauly and Watson, 2005; Pauly and Palomares, 2005). The MTI is calculat-

ed by assigning a number to each species according to its location in the food chain, where carni-

vores receive higher and herbivores receive lower numbers. The measure averages the trophic levels 

from the overall catch, based on a dataset of commercial fish landing compiled by the Food and 

Agricultural  Organization  of  the  United  Nations  (FAO).  Lower  values  of  the  index  mean  that 

catches consist of smaller fish. A negative trend in this measurement is thus a proxy measure for 

overfishing and that “fisheries are not being sustainably managed” (Sea Around Us, 2011). Over-

fishing affects the marine ecosystem health as overexploited fish stocks lead to the loss of biodiver-

sity  and  ecosystems stability.  The  index  has  been  criticized  for  not  adequately  reflecting  the  true 

situation  in  marine  ecosystems  as  it  is  built  on  the  catches  of  commercial  species,  excluding  the 

impact of unregistered fishing (Branch et al., 2010; Caddy et al., 1998). However, there exist few 

alternative measures of overfishing. The MTI is widely used by researchers and remains the most 

well-established measure for marine trophic stability across countries and time (Clausen and York, 

2008a; Emerson et al., 2010; Pauly and Watson; 2005). The MTI is also considered to be “a meas-

ure for overall ecosystem health and stability” and was included as such in the 2010 Environmental 

Performance Index (Emerson et al., 2010).  

In order to measure the main independent variable of the study, i.e., the degree of democ-

racy in a country at a given point in time, we use one of the most established regime type indicators 

–  the  Freedom  House/Polity  index.  This  index  reflects  two  important  composites  of  regimes  – 

political rights and civil liberties (Freedom House, 2010). Political rights measure whether elections 

in the country are free and fair, whether political rights are equal to all members of the society and 

the  competitiveness  of  political  participation.  The  civil  liberties  value  includes  an  assessment  of 

freedom of the press, of academic freedom, of freedom of public and private discussions, of free-

dom for NGOs’ operations, of rule of law, of an independent judiciary and other relevant aspects 

(Lonardo, 2011). The average value of political rights and civil liberties in turn serves as an approx-

---

 

9 

imation of the level of democracy in a country. In the present study we will use an imputed version 

of this index, designed especially for time-series analysis, covering a broader sample using imputed 

values for the cases where data was initially missing. The imputed version of the index is available 

for the period 1972-2009 and varies from 0 to 10, where 10 corresponds to the most democratic 

regimes (Teorell et al., 2011).  

Following the reasoning of, for example, Li and Reuveny (2006), we include a measure of a 

country’s openness to and engagement in world trade as a control variable. A country’s openness to 

world trade is held to relate to environmental outcomes in several ways. For example, it has been 

argued  that  trade  and  globalization  encourages  establishment  of  higher  environmental  standards 

according to the demands from markets and also promotes technologies and innovations of a high-

er standard (Esty and Gentry, 1997; Vogel, 1995; Porter and Linde, 1995; Braithwaite and Drahos, 

2000). However, others have argued in line with the hypotheses of the “race to the bottom,” hold-

ing that countries fearing to lose competitiveness will dismantle environmental standards (Sheldon, 

2006). In addition, Daly (1993) and Meadows et al. (1972) conclude that trade has negative effects 

on the environment, since it raises production levels and GDP, which in turn negatively affects the 

environment. Indeed, empirical investigations show both positive (Frankel and Rose, 2005; Antwei-

ler et al., 2001) and negative (e.g., Managi, 2004) correlations between openness to trade and envi-

ronmental quality and they also find different effects of trade openness on different pollutants be-

tween country groups (Managi et al., 2008). The indicator of openness to trade is taken from Penn 

World Trade (Heston, Summers and Aten, 2009), and measures total trade as a percentage of GDP 

in  constant  2005  prices.  The  data  covers  the  years  1950-2007.  The  variable  required  log-

transformation to correct for its skewed distribution. 

In addition, following Delgado et al. (2003), who discuss the impact from growing human 

populations on the pressure put on fisheries, we include a control variable for the size of a coun-

try’s population. The data on population is taken from the World Bank database for the years 1971-

2010, and is measured in numbers of inhabitants. The variable is logarithmically transformed due to 

its skewed distribution. 

Of all the gears used in harvesting marine fish resources, bottom trawls and dredges are 

recognized as considered to be the most destructive ones (Watson et al., 2004, 2006). They cause 

chronic  disturbances  in  coastal  waters  and  lead  to  changes  in  trophic  structures  (Jennings  et  al., 

2001). We therefore include a control for trawling intensity in our analysis. We use the Coastal Shelf 

Fishing  Pressure  Index,  developed  by  the  Environment  Performance  Index  (2012).  The  index 

---