Maryna povitkina sverker c. Jagers

 

10 

measures intensity of gears operating in the coastal waters. The unit of measurement is metric tons 

of catch from trawling and dredging gears in a country for a given time divided by the area of its 

Exclusive  Economic  Zone  (EEZ)  in  square  km.  The  data  is  available  for  1950-2006.  Due  to  its 

skewed distribution, the variable is logarithmically transformed. 

 

Following our theoretical argument of the impact of democracy on environmental perfor-

mance at different stages of economic development, we want to control for national income levels 

at a given time. The measure we use is real GDP per capita in constant 2005 prices, chain series 

(Heston, Summers and Aten, 2009). Chain series remove effects from price changes and include 

only the values of production volumes, which is very useful for the time-series analysis (Teorell et 

al., 2011). The indicator is available from 1950 to 2007 and is log-transformed due to its skewed 

distribution.  

In order to model different stages of economic development for countries, we divide na-

tions  at different  points  in  time  into  groups  according to  their  gross  national  income  (GNI)  per 

capita, following the World Bank methodology (World Bank, 2011). Low-income countries have a 

GNI  below  $1,005  per  capita,  lower  middle-income  countries  have  a  GNI  between  $1,006  and 

$3,975  per  capita,  upper  middle-income  countries  have  a  GNI  between  $3,976  and  $12,275  per 

capita, and high-income countries have a GNI above $12,276 per capita (World Bank, 2011). GNI 

per capita is calculated with the World Bank Atlas Method, which allows for smoothing exchange 

rate fluctuations when comparing countries. This measure does not account for “welfare and suc-

cess in development,” but is recognized as “the best single indicator of economic capacity and pro-

gress" (World Bank, 2011).  

 

Specification and methodology 

In order to model the impact of our independent variables on changes in MTI across countries and 

years,  we  use  time-series  cross-sectional  (TSCS)  analysis.  Since  we  are  interested  in  changes  of 

trophic levels and not the absolute levels as such, the dependent variable is here measured as the 

first difference of MTI instead of annual values.  

We make sure to deal with problems inherent to TSCS data. The Hausman test confirms 

the existence of unobserved unit heterogeneity, indicating that country-specific effects are correlat-

ed with our independent variables. This implies that a random effects model will be inconsistent 

when applied to our data and confirms the necessity to use a fixed effects model for correct estima-

---

 

11 

tion (Greene, 1997). A Dickey-Fuller test for a unit root in a time series sample shows that our data 

is stationary. Potential autocorrelation of the data is initially dealt with by using the first difference 

of MTI. The  Wooldridge-Drukker  test  confirms  that  autocorrelation  disappears  after  performing 

differencing of the dependent variable. 

In order to make sure that independent variables are measured before the change in the 

dependent variable takes place, we use a one-year lag of all the independent variables in our models.  

We use one-year lags in combination with the first differencing of the dependent variable, as used 

by Bohrnstedt (1969, cited in Liker, 1985, p.87).  

As mentioned, the raw data of openness to trade, population, GDP per capita and trawling 

intensity required logarithmic transformation before inclusion into the model due to skewed distri-

bution. Based on the discussion above and after the necessary adjustments to our model, our final 

specification can be presented in the following equation: 

 

    

  

     

 

   

 

 

     

   

 

    

     

   

 

    

     

   

 

    

     

   

 

    

     

   

  

; 

 

where  i  corresponds  to  each  country  in  the  sample  and  t  refers  to  the  year. 

 and  corresponds  to  the  change  in  the  marine  trophic  index  for  a 

given country in a given year, 

 is an intercept term for i, 

(j=1,2,3,4,5) denotes the coefficients 

to be estimated, 

 is a Freedom House/Polity index for democracy for a given country in a giv-

en year, O

it

 is openness to trade (country, year), P

it 

stands for population (country, year), G

it

 refers to 

real GDP per capita for a certain country in a given year, 

 is trawling intensity in the EEZ of 

each country per year, and

 is an error term for each unit of analysis.  

The equation will be estimated using generalized least squares (GLS) with a fixed effect and 

robust standard errors per country and per year (Wooldridge, 2002). An alternative way to estimate 

the equation would be to use OLS regressions with panel-corrected standard errors as suggested by 

Beck and Katz (1995). However, taking into account the necessity to include fixed-effects estima-

tion into our model and control for significant but unobservable unit-specific effects, we have to 

give preference to the GLS regression, since introducing fixed-effects specification into Beck and 

Katz’s model in our case is problematic. 

The MTI assigns values for each major marine coast or island colony of a nation. For this 

reason some problems arose in our analysis, since our independent variables are measured at the 

national  level  and  are  not  available  specifically  for  coastal  regions  or  island  colonies  of  a  nation. 

1

,









t

i

it

it

MTI

MTI

MTI

i



j



it

D

it

T

it



---