The Economic Impact of Spa1al Closures Alan Haynie Ma8 - - PowerPoint PPT Presentation

The ¡Economic ¡Impact ¡of ¡Spa1al ¡Closures ¡

Ma8 ¡Reimer ¡

University ¡of ¡Alaska ¡Anchorage ¡

Alan ¡Haynie ¡

Alaska ¡Fisheries ¡Science ¡Center, ¡NOAA ¡

Mo1va1on ¡

• Spa1al ¡closures ¡are ¡a ¡

prominent ¡tool ¡for ¡ ecosystem-­‑based ¡ management ¡

– Poten1al ¡benefits ¡ have ¡been ¡discussed ¡ thoroughly ¡in ¡the ¡ literature ¡

• Ex-­‑post ¡es1mates ¡of ¡the ¡short-­‑run ¡costs ¡

incurred ¡by ¡fishing ¡industry ¡are ¡rela1vely ¡

• scarce. ¡

Why ¡Are ¡Closures ¡Costly? ¡

• Forgone ¡harvests ¡and ¡revenues: ¡

– Can ¡fishers ¡catch ¡target ¡species ¡in ¡other ¡areas? ¡

• Do ¡other ¡areas ¡yield ¡lower-­‑valued ¡products? ¡

– Can ¡fishers ¡target ¡other ¡species? ¡

• Are ¡other ¡target ¡species ¡less ¡valuable? ¡
• Increased ¡opera1ng ¡costs: ¡

– Do ¡other ¡areas ¡have ¡lower ¡CPUE? ¡ – Do ¡fishers ¡incur ¡higher ¡costs ¡fishing ¡other ¡areas/ species ¡(e.g. ¡fuel ¡and/or ¡processing)? ¡

• Impacts ¡of ¡closures ¡will ¡be ¡context-­‑specific ¡

Challenges ¡for ¡Es1ma1ng ¡the ¡Costs ¡of ¡ Closures ¡

• No ¡plausible ¡es1mate ¡of ¡the ¡counterfactual: ¡

– What ¡would ¡revenues/costs ¡have ¡been ¡in ¡the ¡ absence ¡of ¡the ¡closures? ¡ ¡ – Closures ¡not ¡designed ¡with ¡ex-­‑post ¡evalua1on ¡in ¡ mind ¡

• Lack ¡of ¡economic ¡data: ¡

– Revenue ¡and ¡catch ¡data ¡oUen ¡exist ¡ – Cost ¡data ¡are ¡rela1vely ¡rare ¡

Es1ma1ng ¡the ¡Cost ¡of ¡Closures ¡

• We ¡es1mate ¡the ¡short-­‑run ¡costs ¡of ¡a ¡large ¡

spa1al ¡closure ¡to ¡protect ¡Stellar ¡Sea ¡Lions. ¡

– Mul1-­‑species ¡fishery ¡with ¡harvester ¡coopera1ves ¡

• We ¡have ¡a ¡plausible ¡es1mate ¡of ¡the ¡

counterfactual: ¡

– Not ¡all ¡vessels ¡were ¡directly ¡affected ¡by ¡closure ¡ – Compara1ve ¡case ¡study: ¡Diff-­‑in-­‑diff, ¡synthe1c ¡ control ¡

• We ¡have ¡annual ¡revenue ¡and ¡cost ¡data: ¡

– Vessels ¡required ¡to ¡complete ¡Economic ¡Data ¡ Reports ¡(EDR) ¡on ¡an ¡annual ¡basis. ¡

Stellar ¡Sea ¡Lion ¡Range ¡

• Fig. 1. Range of the Steller sea lion (SSL), Eumetopias jubatus.

J.N. Sanchirico et al. / Marine Policy 38 (2013) 523–530

Stellar ¡Sea ¡Lion ¡Protec1on ¡Measures ¡

• Listed ¡as ¡“threatened” ¡under ¡

ESA ¡in ¡1990 ¡and ¡“endangered” ¡ in ¡1992 ¡

• Rely ¡for ¡food ¡on ¡commercial ¡

species: ¡walleye ¡pollock, ¡Atka ¡ mackerel, ¡and ¡Pacific ¡cod ¡

• ¡Protec1ve ¡measures: ¡

– Closures ¡near ¡SSL ¡cri1cal ¡habitat ¡ – Seasonal ¡and ¡spa1al ¡TAC ¡ Revisions to the Steller Sea Lion

• fish,

Stellar ¡Sea ¡Lion ¡Protec1on ¡Measures ¡

• ESA ¡consulta1on ¡finds ¡

previous ¡measures ¡ “ineffec1ve” ¡(2010) ¡

• Addi1onal ¡measures ¡

implemented ¡in ¡2010: ¡

– More ¡(and ¡larger) ¡spa1al ¡ closures ¡to ¡Atka ¡mackerel ¡and ¡ Pacific ¡cod ¡fisheries ¡

Revisions to the Steller Sea Lion

• fish,

Aleu1an ¡Islands ¡Commercial ¡Fisheries ¡

• Atka ¡mackerel ¡

– One ¡fleet ¡of ¡catcher ¡processors ¡(7 ¡ vessels) ¡ – 2008-­‑2010: ¡Average ¡61,000mt ¡ ($61.6 ¡million ¡wholesale), ¡25% ¡in ¡ area ¡543 ¡ ¡

• Pacific ¡cod ¡

– Mul1ple ¡fleets, ¡variety ¡of ¡vessels/ gear ¡ – 2008-­‑2010: ¡Average ¡24,000mt ¡ ($24.1 ¡million ¡wholesale) ¡

• Regulatory ¡Impact ¡Review ¡

– $24-­‑47 ¡million ¡wholesale ¡“at ¡risk” ¡ for ¡Atka ¡mackerel ¡CPs ¡

Aleu1an ¡Islands ¡Commercial ¡Fisheries ¡

• Focus ¡on ¡just ¡the ¡Atka ¡

mackerel ¡CPs. ¡Why? ¡

– We ¡have ¡a ¡plausible ¡control ¡ group ¡for ¡es1ma1ng ¡the ¡ counterfactual ¡ – We ¡have ¡annual ¡revenue ¡and ¡ cost ¡data: ¡

• Revenues ¡from ¡selling ¡product ¡and ¡

leasing ¡quota ¡

• Opera1ng ¡expenditures ¡(e.g. ¡fuel, ¡

labor, ¡food, ¡fish ¡taxes, ¡etc.) ¡

• 3 ¡years ¡before, ¡4 ¡years ¡aUer, ¡17 ¡

vessels, ¡a ¡total ¡of ¡119 ¡observa1ons ¡

SSL ¡Protec1ve ¡Measures: ¡Pre-­‑2011 ¡

²

ALASKA

Aleutian Islands

Bering Sea

SSL ¡Protec1ve ¡Measures: ¡Post-­‑2011 ¡

Source: Steve Lewis, NMFS Alaska Region Analytical Team

²

ALASKA

Aleutian Islands

Bering Sea

SSL ¡Protec1ve ¡Measures ¡

20 40 60 80 20 40 60 80

2008 2009 2010 2011 2012 2013 2014 2008 2009 2010 2011 2012 2013 2014

541 542 543 Total

Allowable Biological Catch (ABC) Total Allowable Catch (TAC) Metric tons (thousands) Year

Es1ma1ng ¡the ¡Impact: ¡Iden1fica1on ¡

• Counterfactual: ¡annual ¡net ¡revenues ¡(revenue ¡

– ¡variable ¡costs) ¡that ¡would ¡have ¡been ¡earned ¡ in ¡the ¡absence ¡of ¡the ¡closure. ¡

• Strategy: ¡ ¡

– Atka ¡mackerel ¡vessels ¡part ¡of ¡a ¡larger ¡fleet ¡of ¡ similar ¡vessels ¡not ¡directly ¡affected ¡by ¡closure ¡ – Use ¡unaffected ¡vessels ¡as ¡a ¡control ¡group ¡for ¡the ¡ Atka ¡mackerel ¡vessels ¡(i.e. ¡the ¡treated ¡group) ¡ ¡ ¡ ¡ ¡

20,000 40,000 60,000 80,000 Quota (mt) Atka mackerel Pacific cod Flathead sole Pacific ocean perch Rock sole Yellowfin sole

Quota allocations (Avg. 2008-2010): Treated Group

20,000 40,000 60,000 80,000 Quota (mt) Atka mackerel Pacific cod Flathead sole Pacific ocean perch Rock sole Yellowfin sole

Quota allocations (Avg. 2008-2010): Control Group

Treated ¡Group ¡(N=7) ¡ Control ¡Group ¡(N=11) ¡

Difference-­‑in-­‑Differences ¡

• Xit ¡= ¡[weighted ¡price, ¡total ¡quota] ¡
• Key ¡assump1ons: ¡

– “Parallel ¡trends” ¡

• Unobserved ¡1me-­‑varying ¡factors ¡affect ¡all ¡vessels ¡the ¡

same ¡

– Exogeneity ¡

• Es1mate ¡the ¡average ¡treatment ¡on ¡the ¡treated ¡(ATT) ¡

– No ¡spillover ¡or ¡contamina1on ¡of ¡control ¡group ¡

Yit = α +φi +θt +δtreati × postt + ′ Xitβ + εit

10 15 20 25 Nominal US Dollars (millions) 2008 2009 2010 2011 2012 2013 2014 Year

Wholesale Revenues

8 10 12 14 16 18 20 Nominal US Dollars (millions) 2008 2009 2010 2011 2012 2013 2014 Year

Variable Costs

1 2 3 4 5 6 Nominal US Dollars (millions) 2008 2009 2010 2011 2012 2013 2014 Year

Net Revenues

50 100 150 200 250 300 350 Nominal US Dollars 200820092010 2011 201220132014 Year

Net Revenues per Ton

1.4 1.5 1.6 1.7 1.8 1.9 2 Nominal US Dollars 2008 2009 2010 2011 2012 2013 2014 Year

Weighted Price

10 15 20 25 Metric tons (thousands) 2008 2009 2010 2011 2012 2013 2014 Year

Total Quota

Treated Control

Parallel ¡Trends ¡

Difference-­‑in-­‑Differences: ¡with ¡quota ¡

• 6
• 4
• 2

2 4 6 Treatment Effects ($ millions) Net Revenue Variable Costs Gross Revenue

• 400
• 200

200 400 Treatment Effects ($ per metric ton) Net Revenue per Ton Variable Cost per Ton

2011 2012 2013 2014 2011-2014

Difference-­‑in-­‑Differences: ¡without ¡quota ¡

• 6
• 4
• 2

2 4 6 Treatment Effects ($ millions) Net Revenue Variable Costs Gross Revenue

• 400
• 200

200 400 Treatment Effects ($ per metric ton) Net Revenue per Ton Variable Cost per Ton

2011 2012 2013 2014 2011-2014

• 6
• 4
• 2

2 4 6 Treatment Effects ($ millions) Net Revenue Variable Costs Gross Revenue

• 400
• 200

200 400 Treatment Effects ($ per metric ton) Net Revenue per Ton Variable Cost per Ton

2011 2012 2013 2014 2011-2014

• 6
• 4
• 2

2 4 6 Treatment Effects ($ millions) Net Revenue Variable Costs Gross Revenue

• 400
• 200

200 400 Treatment Effects ($ per metric ton) Net Revenue per Ton Variable Cost per Ton

2011 2012 2013 2014 2011-2014

Difference-­‑in-­‑Differences: ¡Permuta1on ¡

0.37 0.36 0.86 0.91 0.22 0.55 0.82 0.03 0.19 0.28 0.18 0.30 0.19 0.51 0.01

• 2
• 1

1 2 3 2011 2012 2013 2014 2011-2014 2011 2012 2013 2014 2011-2014 2011 2012 2013 2014 2011-2014

Gross Revenue Net Revenue Variable Costs

Treatment Effects ($ millions)

0.81 0.78 0.02 0.46 0.64 0.23 0.50 0.00 0.00 0.03

• 300
• 200
• 100

100 200 2011 2012 2013 2014 2011-2014 2011 2012 2013 2014 2011-2014

Net Revenue per Ton Variable Cost per Ton

Treatment Effects ($ per metric ton)

Synthe1c ¡Control ¡Method ¡

• SCM ¡generalizes ¡diff-­‑in-­‑diff, ¡with ¡advantages: ¡

– Data-­‑driven ¡process ¡to ¡construct ¡comparison ¡ group ¡(Abadie ¡et ¡al., ¡2010) ¡ – Allows ¡the ¡effects ¡of ¡unobserved ¡vessel-­‑specific ¡ factors ¡to ¡vary ¡with ¡1me ¡ – Allows ¡for ¡heterogeneity ¡in ¡treatment ¡effects ¡ across ¡vessels ¡

ˆ δ it = Yit − wj

*Yjt j≠i

∑

, t ∈{T0 +1,...,T}

Synthe1c ¡Control ¡Results: ¡Net ¡Revenues ¡

• 10
• 5

5 10

Ytreated - Ysynthetic

2008 2009 2010 2011 2012 2013 2014

Vessel 1

• 10
• 5

5 10

Ytreated - Ysynthetic

2008 2009 2010 2011 2012 2013 2014

Vessel 2

• 10
• 5

5 10

Ytreated - Ysynthetic

2008 2009 2010 2011 2012 2013 2014

Vessel 3

• 10
• 5

5 10

Ytreated - Ysynthetic

2008 2009 2010 2011 2012 2013 2014

Vessel 4

• 10
• 5

5 10

Ytreated - Ysynthetic

2008 2009 2010 2011 2012 2013 2014

Vessel 5

• 10
• 5

5 10

Ytreated - Ysynthetic

2008 2009 2010 2011 2012 2013 2014

Vessel 6

Treated Unit Donor Pool

Synthe1c ¡Control ¡Results: ¡DnD ¡effects ¡

0.76 0.54 0.79 0.77 0.89 0.46 0.64 0.62 0.40 0.91 0.07 0.06 0.80 0.99 0.12

• 1

1 2 3 2011 2012 2013 2014 2011-2014 2011 2012 2013 2014 2011-2014 2011 2012 2013 2014 2011-2014

Gross Revenue Net Revenue Variable Costs

Treatment Effects ($ millions)

0.51 0.50 0.65 0.88 0.57 0.00 0.00 0.20 0.06 0.00

• 100

100 200 300 2011 2012 2013 2014 2011-2014 2011 2012 2013 2014 2011-2014

Net Revenue per Ton Variable Cost per Ton

Treatment Effects ($ per metric ton)

50 100 50 100 2008 2009 2010 2011 2012 2013 2008 2009 2010 2011 2012 2013 2008 2009 2010 2011 2012 2013

Atka mackerel Flathead sole Pacific cod Pacific ocean perch Rock sole Yellowfin sole

Control Group Treated Group

Percentage of Quota Harvested

Li8le ¡evidence ¡of ¡an ¡effect: ¡Why? ¡

Subs1tu1on ¡possibili1es: ¡“slack” ¡in ¡flaoish ¡alloca1ons ¡

Li8le ¡evidence ¡of ¡an ¡effect: ¡Why? ¡

Subs1tu1on ¡possibili1es: ¡mackerel ¡and ¡flaoish ¡in ¡

• ther ¡areas ¡

Li8le ¡evidence ¡of ¡an ¡effect: ¡Why? ¡

Challenges ¡to ¡iden1fica1on: ¡contamina1on/conges1on ¡

1 2 3 4 5 6

• Avg. number of vessels

1 2 3 4 5 6 7 8 9 10 11 12 Month 2008-2010 2011-2013

Average No. of Vessels in an Area

• 2
• 1.5
• 1
• .5

.5 1 1.5 2 Difference 1 2 3 4 5 6 7 8 9 10 11 12 Month

Change in Congestion

Li8le ¡evidence ¡of ¡an ¡effect: ¡Why? ¡

Challenges ¡to ¡iden1fica1on: ¡confounding ¡factors ¡ ¡

.5 1 1.5 2 .5 1 1.5 2 2008 2009 2010 2011 2012 2013 2014 2008 2009 2010 2011 2012 2013 2014 2008 2009 2010 2011 2012 2013 2014

Atka Mackerel Flathead Sole Pacific Cod Pacific Ocean Perch Rock Sole Yellowfin Sole

A80 Quota Allocation Wholesale Price Year

Note: quota allocations and wholesale prices measured relative to 2008

Li8le ¡evidence ¡of ¡an ¡effect: ¡Why? ¡

Challenges ¡to ¡iden1fica1on: ¡confounding ¡factors ¡ ¡

• SSL ¡protec1ve ¡measures ¡were ¡not ¡the ¡only ¡

thing ¡to ¡happen ¡in/aUer ¡2011: ¡

– Majority ¡of ¡the ¡treated ¡group ¡formed ¡a ¡harvester ¡ coopera1ve ¡in ¡2011 ¡ – Protec1ve ¡measures ¡closed ¡more ¡areas, ¡but ¡ relaxed ¡temporal ¡restric1ons ¡in ¡the ¡small ¡area ¡ that ¡remained ¡open ¡ – Years ¡further ¡away ¡from ¡interven1on ¡less ¡likely ¡to ¡ provide ¡meaningful ¡comparisons ¡ ¡

Conclusion ¡

• Li8le ¡evidence ¡of ¡nega1ve ¡impact ¡associated ¡with ¡

SSL ¡protec1ve ¡measures ¡

– Nega1ve ¡effects ¡occur ¡through ¡higher ¡costs, ¡not ¡ forgone ¡revenue ¡

• SCM ¡results ¡indicate ¡heterogeneous ¡effects, ¡but ¡

largely ¡consistent ¡with ¡diff-­‑in-­‑diff ¡

• Lack ¡of ¡effect ¡likely ¡due ¡to ¡subs1tu1on ¡

possibili1es ¡of ¡fleet—slack ¡in ¡flaoish ¡quota ¡

• Costs ¡associated ¡with ¡closures ¡will ¡be ¡context ¡

specific, ¡and ¡will ¡depend ¡on ¡other ¡management ¡ ins1tu1ons ¡and ¡subs1tu1on ¡possibili1es ¡

Ques1ons? ¡

SSL ¡Protec1ve ¡Measures: ¡Alloca1ons ¡

20 40 60 80 20 40 60 80

2008 2009 2010 2011 2012 2013 2014 2008 2009 2010 2011 2012 2013 2014

541 542 543 Total

Allowable Biological Catch (ABC) Total Allowable Catch (TAC) Metric tons (thousands) Year