Denna artikel beskriver hur Bayesian Belief Networks (BBNs) användes för att undersöka hur ett förvaltningsingripande påverkar flera aspekter av ett fiskes resultat. Idéerna utvecklades inom ramen för en specifik fallstudie där fiskets prestanda mättes med hjälp av Marine Stewardship Councils (MSC) certifieringspoäng, och förvaltningsingripandet var huruvida fisket omfattas av fångstdelningsförvaltning (en form av rättighetsbaserad förvaltning) eller inte. Ett fiskes resultat poängsätts mot mer än 30 indikatorer för att erhålla MSC-certifiering. Dessa indikatorer är grupperade i tre principer som mäter olika aspekter av hållbarhet. Effekten av fångstdelningsförvaltning måste undersökas mot bakgrund av andra fiskeegenskaper, t.ex. redskapstyp och målarter, som också kan påverka MSC-poängen. Statistiska modeller kan mäta effekten av dessa egenskaper på poängen för varje enskild indikator, men de kan inte bedöma deras effekt på alla principer samtidigt. En BBN sammanfattade och syntetiserade resultaten från varje indikators statistiska modell. Med hjälp av BBN var det möjligt att i) jämföra sannolikheten att få höga poäng på alla tre principerna, eller delmängder av indikatorer, för fisken med olika egenskaper och förvaltningsstrategier för fångstdelning, ii) identifiera om ett fiske som får höga poäng på alla tre principerna har större sannolikhet att förvaltas med hjälp av fångstdelning, och iii) identifiera de egenskaper och indikatorer som är mest förknippade med att få höga poäng på alla tre principerna. BBN kunde behandla ett stort antal frågor och tillhandahålla en mekanism för att integrera en uppsättning statistiska modeller som beskriver ett komplext dataset med flera svarsvariabler av intresse.