在非法适应下实施监管

这使得该表中报告的系数可能低于对真实影响的估计。低估的程度取决于那些“缺失”的摊位出售鳕鱼的可能性有多大。如果这些摊位退出了通常不会出售鳕鱼的市场，那么纠正我们对这些“缺失”摊位的估计不会显著改变我们的结果。附录C.3中的表C.7描述了我们如何更正对退出摊位的估计。纠正使强制执行的效果大于表3中所报告的效果，但对其他治疗的效果影响不大。图6：按治疗任务划分的费利亚摊位数量该图显示了本月上半月和下半月不同治疗组神秘购物者参观的费利亚摊位的平均数量。指定接受强制执行的市场显示，在上半月和下半月之间，摊位数量有所减少。6溢出和市场水平影响虽然我们的实验旨在减少经过处理的蕨类植物的鳕鱼销售额，但它可能通过信息传递或改变均衡价格对控制市场产生溢出效应（Blattman等人，2017）。这也可能会影响其他市场参与者的行为，例如向供应商供货的供应商。它还可能改变其他可以替代鳕鱼的鱼类的价格和数量。我们收集了额外的数据来研究这些溢出和平衡效应，包括对供应商的调查、对供应商的调查以了解其与其他市场供应商的社会和供应链联系、所有市场位置的GIS数据、，以及鳕鱼和其他替代鱼类的价格数据。供应商和鱼类调查使我们能够绘制所有蕨类的供应链。

供应商出售的蕨类植物和渔民沿智利长海岸捕捞的caletas植物的空间分散，造成了地理和社会联系的巨大差异，有助于检测溢出。6.1控制市场的溢出确定了治疗可能影响控制市场行为的三个主要渠道，并收集了每个渠道的数据：1。空间溢出：地理位置靠近治疗市场的控制市场可能会感受到治疗的影响，因为它们与治疗区域共享消费者。2、社会溢出：如果控制市场供应商与经营治疗区的供应商有社会联系，他们可能更有可能了解Sernapesca的执法活动。供应链溢出：治疗和控制供应商可能来自同一供应商。如果供应商因处理而改变捕鱼行为，则可能间接影响控制市场的鱼类销售。在这些不同的渠道中，从计量经济学角度来看，由于均衡价格或供应链中任何参与者的行为发生变化，控制市场中鱼类销售额的增加是最令人担忧的。例如，如果鳕鱼的供应曲线因强制执行而偏离，则均衡鳕鱼价格会上涨，或者当供应商进入的市场不愿意购买鳕鱼时，渔民会将所有过剩的鳕鱼倾销到控制市场。这是因为在这些情况下，治疗-控制差异似乎表明治疗是有效的，而事实上，哈克的销售额在空间上只是向对照组转移。我们的回归将高估这种情况下的治疗效果。这就是为什么我们必须重新调查这些溢出源的影响控制。我们遵循与Miguel和Kremer（2004）相似的程序来估计溢出情况下的治疗效果。

我们将控制市场划分为几个亚组；（a） 由于地理或社会或供应链连接，更可能受到治疗影响的控制区域，我们称之为“溢出组”，以及（b）与治疗市场无关的控制区域，我们称之为“纯控制”。在表6中，我们重新估计了我们最初在表5中报告的可预测和不可预测执法影响的主要结果，但现在控制了潜在的溢出效应渠道。第一列显示了没有溢出变量的结果，并表明相对于分配市场，不可预测的强制执行减少了15.7个百分点的鳕鱼销售额。第二列控制空间溢出，对于距离10公里内至少有一个处理过的feria的未处理市场，指标“在处理过的市场10公里内”变为“在处理过的市场10公里内”。该变量的系数为负值，但很小，表明由于地理位置接近，基于共享消费者的溢出效应非常有限。第三列包括controlmarkets的一个指标，其中至少有一家供应商报告说，他们知道在不同的市场中有一家供应商被分配到强制执行处理。这一变量的系数表明，由于这种“社会溢出”（与可预测的强制执行的影响程度相似），鳕鱼销售额下降了7%，但这种影响在统计上无法与azero效应区分开来。最后，第4栏包括控制市场的指标，控制市场来源于caletas以外的运营商，主要供应给被指定为强制处理的其他市场。

我们再次看到，通过共享供应商连接到治疗市场的对照市场中的黑麦销售额下降了7.7个百分点，但其影响在统计上并不精确。重要的是，考虑到这些溢出效应，可以使不可预测的强制执行对强制执行领域的主要处理效应更大，并且在统计上更精确。这是因为溢出控制允许我们将治疗区域与治疗影响的“纯”控制区域子集进行比较。相对于这种纯粹的控制市场，不可预测的强制执行使哈克的销售额减少了18-20个百分点（与第1列中估计的16个百分点相反）。请注意，将控制组细分为“纯控制”和“溢出市场”会减少分配给省略类别的市场数量。因此，为了保持足够的统计能力，我们只专注于重新估计强制处理变化的影响，因为溢出会对这一特定结果造成最大的计量经济学关注（超过估计影响）。相比之下，信息处理的溢出效应应该增强处理的效果。在此设置中，一些省略类别的市场接受了信息处理，因此与表5相比，此表中的回归系数看起来要小一些。连接到大量其他电路的供应商更容易受到处理，并且这种变化不是随机的。为了对此进行控制，我们为每个参考电路连接到的其他电路的数量分别包括一整套虚拟变量，用于空间、社会和供应链连接。因此，溢出风险敞口的变化仅源于其他市场的治疗状态，这是外生的，因为它是随机分配的。

（Miguel和Kremer，2004年）。表6：处理对黑麦销售的影响控制溢出以控制市场（1）（2）（3）（4）任何黑麦任何黑麦任何黑麦任何黑麦变量（新鲜/隐藏/冷冻）（新鲜/隐藏/冷冻）（新鲜/隐藏/冷冻）（新鲜/隐藏/冷冻）（新鲜/隐藏/冷冻）按可预测的时间表执行-0.023-0.030-0.076-0.058（0.083）（0.069）（0.080）（0.060）按不可预测的时间表执行-0.157*-0.167*-0.199**-0.177**（0.091）（0.075）（0.084）（0.084）空间溢出-0.017（在处理过的市场10公里内）（0.082）社会联系溢出-0.071（供应商知道处理过的供应商）（0.076）供应链溢出-0.077（来自与处理过的供应商相同的Caleta）（0.081）干预期间控制中的Dep Var变化-0.36-0.36-0.36-0.36-0.36N 901 901 901该表重新估计了控制治疗对控制市场可能产生的溢出效应。我们只给出了对应于每个治疗的相互作用项Tc×P osttf的系数。包括Tc、P ost、协变量和因变量基线值的对照，但未显示这些系数。该表报告了概率回归的边际影响。因变量是摊位销售的任何类型的鳕鱼（新鲜可见、隐藏或冻结）的指标。稳健标准误差按电路进行聚类，电路是随机化的单位。***p<0.01，**p<0.05，*p<0.16.2治疗效果沿供应链传播为了使供应链溢出渠道具有相关性，向这些供应商供应鳕鱼的供应商必须以某种方式改变其行为。

为了了解这些变化，我们直接调查了为样本市场服务的每个caleta（渔村）的渔民。跟踪渔民的反应尤其重要，因为我们在最终销售点进行的干预必须以某种方式通过供应链传递给渔民，以便这些干预最终保护鳕鱼种群。只有当渔民开始意识到这些干预措施对需求条件的影响时，他们才会改变捕鱼行为，从而改善决策者最关心的环境结果。由于我们没有2015年9月禁令前几年的基线数据，我们在2016年向他们提出了回顾性问题，其中要求他们比较2015年9月（我们的干预措施启动时）与2014年9月之间的需求和利润。考虑到政府禁止捕鱼，为了最大限度地减少可能的反应偏差，我们谨慎地对我们的问题进行了概括，以涵盖所有类型鱼类的收入，而不仅仅是hakeA。在我们的抽样框架所涵盖的地区，少数caletas仅用于捕捞海鲜的潜水员，而非鱼类，因此我们排除了这些caletas。具体而言。为了报告治疗对谢尔曼的影响，我们必须将每个caleta与治疗和控制市场联系起来。我们利用供应商对供应链结构的调查（即每个供应商从何处购买）将供应商与随机治疗联系起来。表7报告了结果。第1栏显示，在caletas经营的销售给至少一个被随机分配到执法部门的电路的供应商，与向控制组ferias供应产品的caletas供应商相比，2015年9月收入低于2014年9月的供应商的可能性要高出32个百分点。

与去年同期相比，在caletas经营的向强制市场和经历过信息运动的市场供应产品的渔民在干预月份报告收入较低的可能性要高出45个百分点。在第2栏中，这些采购商也更可能报告说，与前一年相比，2015年9月供应商不太愿意购买鳕鱼。因此，正如神秘购物者所观察到的那样，我们的干预不仅影响了供应商的行为，鱼类供应链上游的渔民也意识到了这些行为的变化。第3栏显示，与信息活动领域相关的消费者更有可能报告说，最终消费者知道哈克禁令。信息清楚地在供应链上下移动。表7:Caletas渔民的治疗效果传输（1）（2）（3）9月15日Feria供应商的收入低于2015年9月14日，与9月14日的Hake Ban相比，2015年9月购买的Hake消费者的信息变量更少。至少有一个电路执行0.323***0.195 0.009（0.105）（0.303）（0.161）信息活动0.120-0.049 0.364*（0.158）（0.334）（0.192）至少有一个电路执行，信息活动0.451***0.626*0.217（0.131）（0.329）（0.201）平均Dep Var对照组0.31 0.40 0.77N 202 179 217此表报告了基于谢尔曼反应的OLS系数。可变信息活动对应于位于指定接收任何级别信息活动的市镇的caletas。变量“至少有一个强制的电路”考虑位于caleta同一市镇的所有电路。caletas的社会经济变量包括为协变量。平均每个caleta调查了三名谢尔曼。稳健的标准错误聚集在括号中的caleta级别。

***p<0.01，**p<0.05，*p<0.16.3市场水平的影响在本节中，我们试图描述我们的处理方法对鱼类市场的影响。我们试图收集价格数据，以及在出售鳕鱼的同一市场中其他鱼类的可用性。9月份的禁令只针对鳕鱼，因此我们可能希望消费者能够替代其他鱼类品种。这可能是因为informedconsumers选择在禁令期间避免鳕鱼，或者是因为强制措施降低了鳕鱼的可用性或提高了价格。所有市场的数据表明，鳕鱼有七种可能的鱼类替代品，但一个典型的摊位只提供两到三种鱼类。附录中的表C.2描述了2015年9月费里亚斯神秘购物者观察到的不同鱼类物种的可用性和价格。最常见的鱼类替代品是鲳鱼，三分之二的市场上都有这种鱼。鲳鱼比鳕鱼大，而且（可以说）更美味。在表8中，我们研究了鲳鱼（第1列）或任何其他非鳕鱼（包括鲳鱼）（第2列）的可用性，作为鱼摊所在市场的处理状态的函数。表8：供应商是否会替代销售其他鱼类来应对治疗？（1） （2）变量鲳鱼可用任何其他鱼类可用信息活动仅0.146 0.004（0.098）（0.035）可预测计划执行0.133*0.027（0.079）（0.031）不可预测计划执行0.115 0.065*（0.078）（0.033）干预期间控制市场Dep Var变化0.29 0.09N 901 6328该表报告了概率回归的边际影响。第一列中的观察单位是stall x secretshopper Visition，第二列中的观察单位是stall×secretshopper Visition×可能的替代鱼类品种。

我们仅表示与每个处理的相互作用项Tc×P osttf对应的系数。包括Tc、P ost、协变量和因变量基线值的对照，但未显示这些系数。Robuststandard错误按括号中的电路进行聚类。***p<0.01，**p<0.05，*p<0.1替代品的种类取决于市场的纬度。费里亚斯神秘购物者最常见的替代品是：鲳鱼、鲭鱼、银鱼、鲑鱼、锯鱼、长鳍金枪鱼和南方鳕鱼。表格倒数第二行显示，在9月份的鳕鱼禁令期间，控制市场的摊位更有29%的可能性开始销售鲳鱼，因此，在禁令期间，供应商似乎普遍转向替代品。9月期间，在经过处理的地区，鲳鱼销售额的增长幅度更大（进一步增加了12-15个百分点，这导致在哈克禁令期间增加了41-44个百分点），但处理控制差异几乎没有统计学意义。三个系数中只有一个系数的p值（与可预测的强制执行相关）低于0.10。第2栏调查了处理对供应商决定提供七种不同的鳕鱼替代品的影响。在这个回归中，样本量更大，因为出售每种鱼类都被视为一个单独的决定，但我们的标准误差仍然是按照处理的随机化单位（回路）进行聚类的。该系数表明，与incontrol智能驭享市场增长9个百分点相比，在鳕鱼禁令期间，面临不可预测执法的供应商转向销售其他鱼类的可能性增加了15.5%。这6.5个百分点的治疗控制差异具有统计学意义（p=0.051）。6.4价格影响我们在所有神秘购物者访问期间收集了鱼类价格数据。

然而，只有当鱼可供出售时，才能观察价格。事实上，在9月份，鳕鱼仅在26%的市场上销售，这意味着可以使用相对较小的观察样本来分析鱼的价格。此外，我们之前的分析表明，处理会改变出售非法鳕鱼的倾向。换句话说，处理会影响价格的选择。因此，存在大样本选择问题，使任何治疗效果价格分析复杂化，我们避免对鳕鱼价格进行回归。9月份消费量最大的鱼（今年剩余时间消费量第二大的鱼）是鲳鱼，68%的摊位都有这种鱼（见附录表C.2）。由于鲳鱼更容易获得（且未被禁止），我们转而进行回归分析，以研究治疗对鲳鱼价格的影响。作为一种描述性练习，图7显示，在禁令期间，黑麦的价格在9月每周都在上涨。鲳鱼价格在第二周下降了10%，此后较低的价格保持稳定。这种价格的时间序列模式与供应链上游的渔民在2015年9月的干预期间从鳕鱼转移到了鲳鱼。通过调查期间与渔民的对话，我们了解到，如果市场信号表明鳕鱼需求量较低，他们可以调整捕捞策略，以针对不同的物种。为此，他们改变了撒网的位置和深度。图7：班戈期间的鱼类原木价格。该图以第一周为参考，显示了鳕鱼和鲳鱼原木价格的演变。2015年9月，鳕鱼价格持续上涨。与第一周相比，第四周的鳕鱼价格上涨了40%。