Denne artikel beskriver, hvordan Bayesian Belief Networks (BBN’er) blev brugt til at undersøge, hvordan en forvaltningsintervention påvirker flere aspekter af et fiskeris ydeevne. Idéerne blev udviklet i forbindelse med en specifik casestudie, hvor fiskeriets præstationer blev målt ved hjælp af Marine Stewardship Councils (MSC) certificeringsscore, og forvaltningsinterventionen var, om fiskeriet er under forvaltning med fangstdelinger (en form for rettighedsbaseret forvaltning) eller ej. Et fiskeris præstationer vurderes ud fra mere end 30 indikatorer for at opnå MSC-certificering. Disse indikatorer er grupperet i tre principper, der måler forskellige aspekter af bæredygtighed. Effekten af forvaltning med fangstdelingsforvaltning skal undersøges i lyset af andre fiskeriekendetegn som f.eks. redskabstype og målarter, som også kan påvirke MSC-scoren. Statistiske modeller kan måle effekten af disse karakteristika på scoren for hver enkelt indikator, men de kan ikke vurdere deres effekt på alle principperne samlet på samme tid. En BBN opsummerede og sammenfattede resultaterne fra hver indikators statistiske model. Ved hjælp af BBN var det muligt at i) sammenligne sandsynligheden for at score højt på alle tre principper eller delmængder af indikatorer for fiskerier med forskellige karakteristika og fangstdelingsforvaltningsstrategier, ii) identificere, om et fiskeri, der scorer højt på alle tre principper, er mere tilbøjeligt til at blive forvaltet ved hjælp af fangstdelinger, og iii) identificere de karakteristika og indikatorer, der er mest forbundet med at opnå høje resultater på alle tre principper. BBN var i stand til at behandle en bred vifte af spørgsmål og tilvejebringe en mekanisme til integration af en række statistiske modeller, der beskriver et komplekst datasæt med flere svarvariabler af interesse.