天然林保护背景下木材加工企业布局演变及其影响因素——以东北地区为例

Evolution of distribution and influencing factors of wood processing enterprises under the background of natural forest protection： a case study of Northeast China

摘要

以我国东北地区为例，运用新生企业集聚度、核密度估计法、负二项回归模型等方法分析典型生态保护型环境规制政策——天然林保护工程实施背景下木材加工企业布局的演变特征及其影响因素。结果表明：1）天然林保护背景下木材加工企业向中部内陆地区的城市密集带集聚，并有明显的靠近省会城市及周边地区布局的特点。哈尔滨—大连城市密集区和齐齐哈尔—哈尔滨—绥芬河铁路沿线区域，新生木材加工企业集中连片分布态势尤为明显。2）不同细分行业新生木材加工企业布局特征及其影响因素存在差异。相比之下，锯材木片、人造板业等相对低端的木材加工行业企业布局对传统经济地理要素变化较为敏感，空间布局变化较为剧烈。3）不同阶段新生木材加工企业布局影响因素存在显著差异。伴随天保工程的实施，新生木材加工企业布局对知识溢出、环境规制强度、市场化程度等软环境的依赖增强，资源禀赋、区位条件等传统经济地理要素的硬约束在减弱。

Abstract

Taking Northeast China as an example， utilizing methods such as agglomeration of newborn enterprise， kernel density estimation， and negative binomial regression model， this study analyzes the evolutionary characteristics and influencing factors of the spatial layout of wood processing enterprises under the background of the implementation of a typical ecologically-oriented environmental regulation policy — Natural Forest Protection Project （NFPP）. The results show that： 1） Under the context of natural forest conservation， wood processing enterprises have agglomerated in the densely populated urban belts of the central inland regions. There is a distinct tendency for them to cluster near provincial capital cities and their surrounding areas. In Harbin-Dalian urban agglomerations and areas along the Qiqihar-Harbin-Suifenhe railroad， new wood-processing enterprises are distributed in a particularly pronounced manner. 2） Diverse sub-industries of new wood processing enterprises exhibit varying spatial distribution characteristics and influencing factors. In comparison， industries such as sawn timber and engineered wood products， which are relatively lower-end in the wood processing sector， are more sensitive to changes in traditional economic geographic factors. As a result， their spatial layouts undergo more pronounced changes. 3）The influencing factors of new wood processing enterprise distribution are significantly different at various stages. With the implementation of NFPP， the dependence of the spatial layout of new wood processing enterprises on soft environments has increased， such as knowledge spillover， environmental regulation intensity， and marketization. The rigid constraints of traditional economic geographical factors have weakened， such as resource endowment and location conditions.

Graphical abstract

关键词

木材加工业 / 企业布局 / 天然林保护 / 东北地区

Key words

wood processing industry / enterprise layout / natural forest protection / Northeast China

随着区域可持续发展战略和生态文明理念的推行，环境规制已成为影响企业布局的一个新因素。以往研究针对污染防治型环境规制政策对企业布局的影响开展了丰富的探讨，Walter和Ugelow^［1］于20世纪70年代就提出了“污染避难所”假说，指出环境规制标准低的国家或地区因具有污染型企业生产的比较优势，进而成为污染型企业的避难所。随后部分学者以不同国家和地区为案例，对此假说进行了验证与内涵的拓展，证实了污染防治型环境规制政策背景下，污染企业具有由高环境规制地区转向低环境规制地区、由经济发达地区向经济欠发达地区转移、由内陆地区向沿海地区转移等规律性特征^［2］。例如：为应对减排要求并保持经济发展速度，中国部分省级政府选择将污染密集产业向环境规制较为宽松的省内下游边界转移^［3］；随着环境规制力度提升，山东省部分污染密集型产业从经济较为发达的济南及东部地区向经济欠发达的西部及南部地区转移^［4］。以往研究主要针对污染防治型环境规制政策背景下企业布局演变开展案例实证，随着我国环境规制重点逐渐从控制污染排放向加强生态环境保护转变^［5］，关于生态保护型环境规制政策背景下企业布局演变及其影响因素的研究仍较为薄弱。

与污染防治型环境规制政策侧重于末端治理不同，生态保护型环境规制政策以主动加强生态建设、重视源头预防为主要手段，推动经济社会发展与环境保护相协调^［5］。已有研究表明，不同环境规制类型通常会对企业布局产生差异化影响^［6-7］，生态保护型环境规制政策背景下企业布局的时空响应不能简单套用污染防治型环境规制政策背景下的规律经验。然而，截至目前，相关研究多集中在生态治理成效与补偿机制、产业结构演变与转型升级等方面^［8-10］，对生态保护型环境规制政策背景下企业布局演化的研究关注不多。伴随着我国环境规制理念的深刻变革，生态保护型环境规制政策背景下企业布局具有哪些规律性演变特征？哪些因素影响此背景下的企业布局演变？与污染防治型环境规制政策背景下企业布局演变特征及影响因素有哪些异同？结合典型案例分析，回答上述问题有利于进一步完善细化以往关于环境规制政策对企业布局演变的相关认识。

20世纪90年代以来，天然林资源的持续减少受到各国的空前关注，纷纷出台以限伐或禁伐为主要措施的生态保护型环境规制政策，加大天然林保护力度^［11］。截至目前，关于天然林保护工程（简称“天保工程”）的实施对木材生产网络^［12］、木材贸易^［13］、林区转型发展^［14］及林业职工替代生计的影响^［15］已得到学术界的广泛关注。也有少数学者针对天保工程实施背景下木材加工产业布局演变进行了分析。如：Aguilar^［16］针对美国南部软木材产业空间分布的研究发现，尽管1999—2005年间当地木材加工企业数量下降，但木材加工产业产值持续增加，企业布局指向性增强，木材加工行业正在整合。Brandeis和Hodges^［17］以美国田纳西州为例，进一步发现小型木材加工厂受国有林地采伐限制政策出台和国际竞争加剧的影响更为显著，被大量关停并转，且集聚程度较大型木材加工厂提高更为明显。同时，Zainul等^［18］发现禁伐政策的实施也导致本地森林面积不再是木材加工企业布局的显著影响因素，木材加工原料的获取更依赖于其他地区运输获得。

近年来，部分国内学者也开始关注天保工程实施背景下木材加工企业逐步脱离天然林区，向人工林区、东部沿海地区、边境口岸地区的转移趋势^［19-20］。但也有研究持相反的观点，例如：杨超等^［21］对1998—2013年间我国9 225个规模以上木材加工企业的研究表明，大部分木材加工企业仍处于规模报酬递增区间，具有较高的“转移黏性”，尽管有政策推动也并未出现大规模的产业转移；李小平^［22］研究了2000—2009年间我国5大板块区域木材加工产业集聚空间格局及其影响因素，发现木材加工业本质上仍是一个资源依赖性很强的产业，天保工程实施后木材加工产业呈现向东北地区集聚演变的趋势。总体来看，由于研究时段的不同，学术界对木材加工企业布局演变趋势仍存在较大争议，对于天保工程不同实施阶段木材加工企业的布局特征与机制仍缺乏系统分析；同时， 已有研究多采用省级层面的产业数据，掩盖了省域内部木材加工企业布局演化的微观特征与行业差异性。基于此，本文以我国典型木材生产加工基地——东北地区为例，结合微观企业点位数据，综合探究天保工程实施背景下木材加工企业布局演变规律及其影响因素，以期识别生态保护型环境规制政策背景下企业布局演化的独特性，同时为天保工程实施背景下木材加工企业的优化布局提供参考借鉴。

1 研究区域、方法与数据来源

1.1 研究区域

东北地区包括黑龙江省、吉林省、辽宁省及内蒙古自治区的东四盟市（兴安盟、呼伦贝尔市、赤峰市、通辽市），总面积 124.42万km²。该区域是我国森林资源最丰富的地区之一，天然林资源主要位于大、小兴安岭和长白山脉等地。2021年，东北三省森林面积占全国森林总面积的15.2%，森林蓄积量占全国总量的18.0%。建国以来，东北地区累计为国家生产木材超过10亿m³，占国有商品木材产量的近一半，为国家经济建设和地方发展做出过巨大的贡献^［23］。上世纪末，为应对天然林资源过度消耗引起的生态环境问题，1998年我国启动了天保工程，以促进天然林的保护、恢复与可持续发展。天保工程的实施深刻影响着东北地区木材加工业的发展，据统计，从天保工程实施到2014年全面禁伐，东北三省木材加工业总产值全国占比由14.3%下降到7.6%，截至2020年，这一占比进一步下降至2.4%。此外，2014年天然林禁伐全面实施以来，东北三省木材加工业总产值开始呈快速下降态势，2020年该区域木材加工业总产值仅为2014年的35.9%。总体来看，天保工程实施以来，东北地区木材加工业呈现出明显的收缩态势，由此可能引发区域内部木材加工业企业布局的显著调整。鉴于该区域的典型性，本研究将以地级行政区为研究单元，分析天保工程实施前（1998年以前）、全面禁伐前（1998—2013年）、全面禁伐后（2014—2021年）等不同阶段木材加工企业布局演变及影响因素。

1.2 研究方法

1.2.1 新生企业集聚度

计算各研究单元新生木材加工企业数量占东北地区新生木材加工企业总数的份额，以量化各研究单元新生木材加工企业集聚程度，具体公式如下

Q_{it}=w_i/{\sum }_{i=\mathrm{1}}^n{w}_i，（1）

式中：Q_{it}表示i研究单元t时段内新生企业集聚度；w_i为i单元的新生木材加工企业数量；n为研究单元总个数。Q_{it}越大表明该单元新生企业集聚度越高。

1.2.2 核密度估计法

核密度估计方法可以将离散的点转化为连续的密度图，以栅格形式直观、简洁地反映木材加工企业的空间集聚态势^［24］，栅格i的密度值D_i具体函数形式如下

D_i=\frac{\mathrm{3}}{\mathrm{\pi }{r}^{\mathrm{2}}}{\sum }_{i=\mathrm{1}}^n\left(\mathrm{1}-\frac{d_i^{\mathrm{2}}}{r^{\mathrm{2}}}\right)，（2）

式中：r表示步长，n是步长r内的木材加工企业的数量，d_i是步长r内某木材加工企业距离中心的距离。经多次调试，r设置为70 km。

1.2.3 负二项回归模型

泊松回归模型是计数因变量影响因素分析的常用模型，可用于分析研究单元新生木材加工企业数量与一系列影响因素的关系。假设第i个研究单元内新生企业数量Y_i服从参数为{\lambda }_i的泊松分布，则某一单元i内观测到新生企业数量的概率如下

P=（Y_i=y_i|x_i）=\frac{{\mathrm{e}}^{-{\lambda }_i}{\lambda }_i^{y_i}}{y_i!}， y_i=\mathrm{1,2},\dots ,n.（3）

泊松回归模型一个重要的假设是因变量的条件均值与条件方差相等。东北地区各地市新生木材加工数量差异较大，方差远大于均值，具有明显的离散特性，泊松回归模型则不适用。负二项回归模型是泊松回归模型的有效推广，它考虑了数据过度离散的问题，具体公式如下

ln{\lambda }_i=lnk_i+\mathrm{o}\mathrm{f}\mathrm{f}\mathrm{s}\mathrm{e}{\mathrm{t}}_i+{\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}{x}_{\mathrm{1}}+{\beta }_{\mathrm{2}}{x}_{\mathrm{2}}+…+{\beta }_i{x}_i，（4）

式中，回归系数\beta表示在控制其他解释变量的情况下x_i对事件发生次数的影响大小；\mathrm{o}\mathrm{f}\mathrm{f}\mathrm{s}\mathrm{e}{\mathrm{t}}_i为模型中引入的抵消项；k_i表示超离散的程度，服从均值为0，方差为\alpha的伽马分布。当\alpha=0时，则模型退化为泊松回归模型^［25］。

1.3 数据来源

木材加工业是以木材为原料，主要用机械方法进行加工，其产品仍保持木材基本特性的行业^［22］。在此基础上，进一步将木材加工业细分为锯材木片业、人造板业、木制品业和木家具业4个子行业。利用天眼查网站（https：//www.tianyancha.com/）获取的企业注册地址反映木材加工企业布局时空演变过程，共获取2021年12月31日前在东北地区注册登记的木材加工企业有效数据88 384条。结合地理编码技术分时段将企业注册地址转换成对应的经纬度坐标，构建东北地区木材加工企业时空分布数据集。此外，为分析木材加工企业布局演变的影响因素，从智慧芽（https：//www.zhihuiya.com/）获取了专利授权数量信息；从《中国开发区审核公告目录》（2018年）获取开发区设立信息；从中国土地市场网（https：//www.landchina.com/）获取（招拍挂）土地供应信息，整理汇总求得逐年逐市土地出让价格；从各研究时段对应的《中国口岸统计年鉴》《中国林业统计年鉴》《中国城市统计年鉴》、中国土地覆盖数据集（CLCD，30 m精度）、《中国铁路交通地图集》及研究单元所在各省市统计年鉴等公开出版资料中，搜集了影响木材加工企业布局的其他变量数据。东北地区地级行政区域矢量图获取自国家基础地理信息中心提供的2021年中国1∶100万基础地理数据，并以此为准对研究时段内的行政区划变更进行了统一调整。

2 木材加工企业布局演变特征

2.1 新生企业数量演变特征

天保工程启动以来，东北地区新生木材加工企业数量变化具有显著的阶段性特征。天保工程一期（1998—2010年）结束前，尽管国家开始调减木材产量，东北地区新生木材加工企业数量整体仍呈现快速上升态势（图1）。2011年天保工程二期启动以来，随着木材产量的进一步调减和全面禁伐的实施，新生木材加工企业数量进入波动下降阶段。特别是全面禁伐实施前后（2011—2013年及2017年以来），新生木材加工企业数量显著下降，天保工程实施对东北地区新生木材加工企业数量的影响开始显现，2020年新生木材加工企业数量仅为2017年的70%。

细分行业来看，天保工程实施以来，东北地区以锯材木片企业为主体的木材加工企业数量构成未发生显著改变，每年新生锯材木片企业数量均高于其他细分行业。但2010年以来该行业新生企业数量呈波动下降态势，与其他木材加工行业新生企业数量的差距逐渐缩小。木制品业、人造板业新生企业数量自2010年起呈下降走势，而木家具业在2010年后新生企业数量整体仍呈波动增长态势。对比来看，天保工程实施以来，加工程度和附加值更高的木家具行业受到的影响和冲击相对较小。

2.2 总体布局演变特征

从天保工程实施前后木材加工企业布局演变来看（图2），1997年以前木材加工企业整体呈现东多西少、南多北少的分布态势，形成了以沈阳、大连为“主”，长春、延边州为“副”，鹤岗、哈尔滨等为多个集聚节点组成的“2主2副多节点”分布模式。1998—2013年间，新生木材加工企业分布模式逐渐向以沈阳为“主”、大连、长春、哈尔滨、延边州、牡丹江为“副”的“1主5副多节点”分布模式转变。其中，哈尔滨、牡丹江、绥芬河等地新生木材加工企业集聚度明显增大。2014年后，新生木材加工企业进一步向沈阳、哈尔滨、长春等地集聚，形成了“1主2副”的企业空间布局结构。其中，沈阳、长春新生木材加工企业布局逐步向土地和劳动力成本更低、政策更有优势的周边区县拓展，两市周边的新民、农安等县市集聚程度显著提升。相比之下，哈尔滨仍处于中心城区集聚程度持续提升阶段。总体来看，东北地区新生木材加工企业集聚区域逐渐由零碎分散向集中连片转变，其中，哈尔滨—大连城市密集区和齐齐哈尔—哈尔滨—绥芬河铁路沿线区域，新生木材加工企业集中连片分布态势尤为明显，省会城市及周边地区逐渐成为新生木材加工企业布局热点区域；传统林区新生木材加工企业集聚度明显下降，仅少数具有口岸优势的地区，如：绥芬河、延吉及周边地区，对木材加工企业仍具有一定吸引力。

2.3 分行业布局演变特征

木材加工各子行业对原材料、人力资源、交通条件等方面的需要存在差异，天然林保护背景下不同子行业的空间布局演化特征具有一定差异性（图3）。

锯材木片、人造板两类相对低端的行业布局演变特征较为相似，虽然有向中心城市聚集的趋势，但都没有完全脱离传统林区。相比天保工程实施前，新生企业空间布局热点区域有所扩张，大兴安岭沿线区域出现了一些低强度的新生企业集聚区，小兴安岭沿线（如：鹤岗市）和长白山区（如：敦化、延吉）新生企业集聚程度有所减弱，仅少数临近口岸的城市（如：绥芬河、牡丹江）仍是新生企业布局热点区域。人口和城市分布较为密集的中部平原区新生企业集聚程度相对较高，并且企业布局热点逐渐由省会城市向周边（如：抚顺、凤城）扩散。蒙东地区成为企业布局的新生热点方向，如赤峰市涌现了赤峰祥隆木业、赤峰红松木业等一批中微企业，2014—2017年新生人造板企业集聚度显著增长，约为1998—2013年的3倍。

木制品新生企业呈现向中部城市密集区集中的趋势。1997年前木制品企业布局主要集聚在辽中南地区和吉林省中东部。1998—2013年间，哈绥铁路沿线新生木制品企业布局扩张明显，哈尔滨、牡丹江企业集聚强度明显提升。2014年后，新生木制品企业格局开始进入相对稳定阶段。哈尔滨、长春新生企业数量集聚度进一步提升，与沈阳差距逐渐缩小。与前述2类行业较为相似，长白山区逐渐退出新生木制品企业布局热点区域。

相比之下，木家具企业的分布与前述3类行业呈现较大差异，新生木家具企业布局热点区域变化不大，始终高度集中在沈阳市。呈现出靠近消费地的区位偏好，这与在美国密西西比州、路易斯安那州以及德国等地^［26-28］所观察到的现象相一致。

3 木材加工企业区位选择影响因素

3.1 影响因素选择

以往研究从不同角度对工业企业布局的影响因素进行了阐述分析，根据最小费用理论和利润最大化的传统区位理论，木材加工企业一般会集聚在资源要素丰富、市场需求较大、交通条件便利的区域。克鲁格曼的新经济地理学理论认为企业会倾向于为了集聚经济、规模经济而进行空间集聚以减少生产成本^［29-30］。波特在竞争优势论中强调政府调控作用在提高区域竞争优势和激发企业创造欲中起到了一种催化作用^［31］。综上，本研究将影响东北地区木材加工企业发展的影响因素归纳为资源要素、区位条件、集聚经济、市场需求、政策调控5个维度（表1）。

1）资源要素。对木材加工业而言，木材及枝丫材资源丰富度往往决定了原材料获取的成本及便利性，用林地面积占比表征木材资源丰富程度^［32］。与其他行业相比，劳动力成本在木材加工企业投入中占比仍相对较大，职工平均工资能够从总体上反映某一地区的劳动力成本。另外，木材加工企业具有原料贮存与作业空间面积相对较大的特征，更倾向在厂房成本更低的地区进行生产，土地价格是一个不能忽略的因素。

2）区位条件。木材加工行业由于原材料及产品运量较大，往往对运输条件提出了较高的要求。用铁路网密度对各地区运输条件进行量化。伴随我国天然林禁伐的逐步实施，进口木材成为我国木材的重要替代来源。参考周沂等^［33］研究，采用1/到重要口岸的最短距离反映口岸接近程度。

3）集聚经济。近年来，学术界逐渐关注到企业的动态过程除受外界区位经济条件的影响外，其本质还是一个内生过程，现有产业基础是新生企业布局的重要考量因素^［34］。用（上一年末的）企业集聚度表征这一因素。知识溢出作为产业集聚形成的重要源泉之一，难以直接测度，常用（木材加工企业申请的）专利授权数量表征^［35］。

4）市场需求。木材加工产品的用途可以概括为3个方面^［36］：道路桥梁修建等基础设施建设、房屋建造与装修、乐器和文具等木制品的日常消费。分别选取3个变量表示：固定资产投资额、商品房销售面积和人口数量。

5）政策调控。开发区的规划建设对企业进入具有较强的吸引作用，利用是否有以木材加工为主导产业的开发区对这一因素进行表征。同时，天保工程实施强度对企业布局具有重要影响，采用林业经济密度进行表征，该指标值越大代表政策作用强度越小。此外，东北地区木材加工业还存在国企比重过高、体制机制僵化现象，营商环境有待改善^［37］。用个体、私营部门职工数占单位从业人员总数比重进行表示。

本文把地级市作为分析单元，不同地级市面积差异较大，新生木材加工企业的数量大小可能与区域面积大小呈正相关^［38］，因此将区域面积也作为一个解释变量纳入分析。另外，为减少数据的波动性，对部分变量进行了对数处理，并利用Z-Score标准化法消除解释变量之间的量纲差异。为对比分析天然林保护逐步实施过程中木材加工企业区位选择的影响因素及其随时间的变化情况，结合研究区新生木材加工企业数量变化特征及天然林保护政策的发展过程，选择1995、2003、2008、2013和2020年5个典型时间截面，分别对天保工程实施前以及全面停止天然林商业性采伐前后木材加工业布局的影响因素进行分析。同时，考虑到不同类型木材加工企业布局影响因素可能存在差异，进一步对2020年4类细分行业木材加工企业布局的影响因素展开对比分析。

3.2 计量结果

首先对模型进行共线性检验，剔除模型2的基础设施建设、模型3的房屋建筑与装饰、模型4 的基础设施建设、模型5的日用消费指标后，各自变量的相关系数均小于0.8，且其VIF值均小于10，可排除多重共线性的影响。具体结果如表2所示。

1）资源要素。木材资源丰富度的影响在天保工程实施以后呈现由正转负的演变过程，但存在一定的时滞效应，2003年以后才开始显现。伴随天保工程实施，林地占比较高的地区多为天然林重点保护区域。如：汪清林业局被纳入东北虎豹国家公园核心区，不允许任何形式的经营活动，极大限制了当地木材加工业的发展。劳动力成本在天然林调伐过程中呈现阶段性的负向显著作用。可见，在原料成本上升的情况下，企业为保持营业收入，挤压了劳动力成本空间，体现在近年来大连等人力成本较高的地区逐渐退出新生木材加工企业布局热点区域。

2）区位条件。运输条件对木材加工企业布局的影响，呈现由正转负的演变过程。在天保工程实施前及实施初期，便捷的运输条件是吸引新生木材加工企业布局的重要因素。但伴随着区域交通条件的日益改善，边缘城市劳动力流出现象逐渐凸显，对这些地区新生木材加工企业的布局产生抑制作用^［39］。尽管禁伐后木材加工业原料高度依赖国外进口，但口岸接近性的吸引作用自天保工程实施后显著下降。究其原因，一方面，俄罗斯政府从 2006 年开始分阶段大幅调高原木出口关税，鼓励木材加工半成品或成品出口政策^［40］，削弱了依托口岸进口原木发展木材加工业的竞争优势。另一方面，近年来随着中欧班列开通并实施大规模的运费补贴，以及太仓港、成都等木材集散中心的建设，部分俄罗斯木材资源更倾向于选择运费补贴更高的非东北地区口岸入境，由此导致满洲里等口岸城市发展木材加工业的优势逐渐减弱、木材市场空间萎缩^［41］。综合区位对东北地区木材加工企业的布局的影响呈现阶段性的负向显著作用。

3）集聚经济。全面禁伐前东北地区木材加工企业仍处于数量迅速扩张阶段，受技术驱动相对较小，知识溢出的驱动作用在全面禁伐以后才较为显著。全面禁伐后木材加工业原料获取进一步受限，倒逼企业进行技术升级和优化资源配置效率，知识溢出发挥越来越重要的作用。另外，产业基础的吸引作用在前期均较为显著，但呈持续弱化趋势。一方面，在整体经营情况并不理想的情况下，部分新生木材加工企业实现了加工产品的创新升级与转型^［42］，企业布局选址的考虑因素也相应发生转变。另一方面，产业基础较好的地区市场竞争也更为激烈^［43］，而天保工程的实施显著加剧了这种负向溢出效应，对新生木材加工企业进入的吸引力显著减小。

4）市场需求。2008年国家发起“四万亿”计划，大量资金流向东北地区铁路、港口建设等基础设施建设领域^［44］，对木材加工品的需求量显著上升，木材加工企业布局受基础设施建设预期走向影响较大。2013年日常消费对木材加工企业布局具有显著的正向影响。近10年来东北地区除省会以外的各城市人口数量普遍降低，并持续向沈阳、大连、长春、哈尔滨等少数经济较为发达的城市集聚，各城市间日常消费因子差异化发展态势凸显，对木材加工企业布局的作用明显增强^［45］。2020年房屋建筑与装饰因素对木材加工企业布局具有显著的正向驱动作用。伴随部分资源型城市改善型住房需求及城镇家庭户数增长滞缓，东北地区各城市间房屋建筑与装饰需求分异显著增强，对木材加工企业布局影响明显提升^［46］。

5）政策调控。市场化程度的驱动作用整体呈现由负转正的演变过程。天保工程实施以前东北地区木材加工企业多与国有林场存在紧密的依赖关系^［47］，而这些地区市场化程度往往较低。天保工程实施后，国有林业部门木材采伐量大幅下降甚至全面禁伐，难以为新生木材加工企业提供充足的原材料。因此，新生木材加工企业更倾向于在市场化程度高、原材料获取便利的地区选址布局。此外，天保工程实施强度对新生木材加工企业布局在2020年呈现显著抑制作用，这也印证了天保工程的实施对木材加工企业布局的影响具有时间累积效应。

另外，不同时期开发区政策、土地成本等因素对木材加工企业布局的带动作用均不显著。如2020年，东北地区现存的34个以木材加工为主导产业的开发区，大多位于大小兴安岭、长白山区；土地价格排名后10位的城市有9个位于黑龙江省；而这些地区同时也是人口外流最为严重、市场活力较低的地区^［48］。开发区政策和土地成本优势并未对新生木材加工企业构成较强的吸引力。

不同类型的木材加工区位选择影响因素有所不同（表3）。主要原因在于：1）产业链条较为低端的锯材木片业、人造板业对于劳动力成本更为敏感，且运输条件对于企业选址的抑制作用在锯材木片业中体现得尤为明显。2）相对高端的木家具业对木材资源丰富度、市场化程度的依赖度显著较小。这是因为相对高端的企业（如木家具业）其发展具有较高的自主性，原材料来源渠道更加灵活多元，受国有林业企业的制度安排制约较小。同时，数据表明木家具业更偏向于同类企业集聚地，这与Hagadone和Grala^［27］以及Kies等^［28］的发现相一致。3）知识溢出对木材加工企业布局的影响在各行业间呈现较大的分异性，人造板业、木制品业受知识溢出的带动作用并不显著。这说明截至目前，一方面知识溢出并未对东北地区木材加工企业发展形成稳定的促进作用；另一方面木材加工业各细分行业对知识溢出的吸收能力具有较大差异。

4 结论与讨论

4.1 结论

本文以东北地区为例，将木材加工企业作为研究对象，运用核密度估计法及负二项回归模型，分析天然林保护背景下东北地区木材加工企业布局演变规律与集聚特征。在此基础上，探究木材加工企业区位选择的影响因素及作用强度变化。主要结论如下：

1）天然林保护背景下木材加工企业向中部内陆地区的城市密集带集聚，并有明显的靠近省会城市及周边地区布局的特点；同时，也有较多新生木材加工企业采用原地升级新工艺，以应对天保工程实施的冲击。这与污染防治型环境规制政策背景下企业向欠发达地区、沿海沿边地区、低环境规制地区的转移现象表现出显著差异。

2）天然林保护背景下，不同细分行业新生木材加工企业布局特征及其影响因素存在差异。相对低端的木材加工行业（如：锯材木片业、人造板业）企业布局对传统经济地理要素变化较为敏感，空间布局变化较为剧烈；加工程度和产品附加值较高的木家具企业由于原材料来源渠道更加灵活多元，空间布局变化较小。

3）不同阶段新生木材加工企业布局影响因素存在显著差异。伴随天保工程的实施，部分木材加工企业布局影响因素的作用强度和方向发生显著变化，如：木材资源丰富度、运输条件、产业基础和市场化程度等。另外，影响木材加工企业布局的主要因素逐渐改变，表现在资源禀赋与区位条件等传统经济地理要素的硬约束在减弱，木材加工企业布局对知识溢出、环境规制强度、市场化程度等软环境的依赖在增长。

4.2 讨论

天然林保护背景下木材加工企业布局演变呈现出不同于以往污染防治型环境规制政策背景下的企业布局演变特征，本文对这一现象进行了分析。

首先，尽管天然林保护背景下木材加工企业普遍面临原材料获取的困难，但部分原有企业布局优势区域在枝丫材资源、劳动力、配套服务设施、市场需求及知识与技术积累等方面的优势并未完全丧失，对新生木材加工企业布局仍具有一定的吸引力，由此导致部分新生木材加工企业布局并未发生显著转变。

其次，两种类型环境规制政策的作用梯度具有不同的空间演变趋势。生态保护型环境规制政策以保护生态存量与发展资源增量为实施目标，其目的不再与经济发展直接挂钩，环境规制强度并不会随着区域经济发展水平变化而变化，欠发达地区并未形成环境规制治理成本优势。相比之下，经济较为发达的省会城市及周边地区提供了广阔的消费市场、优越的营商环境与先进的生产技术，形成了较大的拉力，吸引较多企业入驻。

再次，以往研究证明，较佳的国际市场准入条件、市场需求的扩大与制度优势是加速污染防治型环境规制政策背景下企业布局区位向沿海沿边地区转移的原因，然而这与本文的研究情况并不相符。东北地区边境口岸城市对外依赖度高，近年来木材加工刚性成本支出受国际形势波动影响较大；边境人口持续、大量外流，市场规模紧缩；且传统的比较优势被多样化的物流通道所削弱，均导致沿边地区并未对企业发展形成持续稳定的吸引力。

最后，天然林保护政策实施强度与区域天然林资源禀赋联系紧密，较小的环境规制实施强度并不意味着企业生产成本也会相对较低。天然林保护政策实施强度弱的地区往往木材资源丰富度相对较低，相应的产业基础也较为薄弱，而木材加工这类资源型企业选址布局具有较大的路径依赖特征^［49］，由此导致天然林保护政策实施强度弱的地区并未吸引较多新生木材加工企业选址布局。

本文尝试探析生态保护型环境规制政策实施背景下企业布局演变的独特性及其原因，受研究方法和定量数据可获得性的制约，在木材加工企业布局影响因素分析中，仅对部分可量化的影响因素进行了分析。未来可结合实地调研，分析企业家行为、社会关系网络、地方文化等因素对企业布局演变的影响，进一步完善影响因素分析框架。同时，天然林保护只是一种典型的生态保护型环境规制政策，得出的结论还有待后续结合其他生态保护型环境规制政策的实证研究进行进一步完善和验证。

参考文献

[1] Walter I， Ugelow J L. Environmental policies in developing countries［J］. Ambio， 1979： 102-109.

[2] 戴其文， 杨靖云， 张晓奇， 等. 污染企业/产业转移的特征、模式与动力机制［J］.地理研究， 2020， 39（7）： 1511-1533. DOI： 10.11821/dlyj020190637 .

[3] Cai H B， Chen Y Y， Gong Q. Polluting thy neighbor： Unintended consequences of China’s pollution reduction mandates［J］. Journal of Environmental Economics and Management， 2016， 76： 86-104. DOI： 10.1016/j.jeem.2015.01.002 .

[4] 王亚平， 曹欣欣， 程钰， 等. 山东省污染密集型产业时空演变特征及影响机理［J］. 经济地理， 2019， 39（1）：130-139. DOI： 10.15957/j.cnki.jjdl.2019.01.016 .

[5] 张小筠， 刘戒骄. 新中国70年环境规制政策变迁与取向观察［J］. 改革， 2019（10）： 16-25.

[6] 邱金龙， 潘爱玲， 张国珍. 正式环境规制、非正式环境规制与重污染企业绿色并购［J］. 广东社会科学， 2018（2）： 51-59. DOI： 10. 3969/j. issn. 1000-114X. 2018. 02. 006 .

[7] 彭星， 李斌. 不同类型环境规制下中国工业绿色转型问题研究［J］. 财经研究， 2016， 42（7）： 134-144. DOI： 10.16538/j.cnki.jfe.2016.07.012 .

[8] Shi M Y， Qi J G， Yin R S. Has China’s natural forest protection program protected forests？： Heilong jiang’s experience［J］. Forests， 2016， 7（10）： 218. DOI： 10.3390/f7100218 .

[9] 曲福田， 孙若梅. 生态经济与和谐社会［M］. 北京：社会科学文献出版社， 2010.

[10] 唐见， 曹慧群， 陈进. 生态保护工程和气候变化对长江源区植被变化的影响量化［J］.地理学报， 2019， 74（1）： 76-86. DOI： 10.11821/dlxb201901006 .

[11] 陈蓬. 国外天然林保护概况及我国天然林保护的进展与对策［J］. 北京林业大学学报（社会科学版）， 2004， 3（2）： 50-54. DOI： 10. 3969/j. issn. 1671-6116. 2004. 02. 012 .

[12] Murphy J T. Global production networks， relational proximity， and the sociospatial dynamics of market internationalization in Bolivia’s wood products sector［J］. Annals of the Association of American Geographers， 2012， 102（1）： 208-233. DOI： 10. 1080/00045608. 2011. 596384 .

[13] Jadin I， Meyfroidt P， Lambin E F. Forest protection and economic development by offshoring wood extraction： Bhutan’s clean development path［J］. Regional Environmental Change， 2016， 16（2）： 401-415. DOI： 10.1007/s10113-014-0749-y .

[14] Luhas J， Mikkilä M， Uusitalo V， et al. Product diversification in sustainability transition： the forest-based bioeconomy in Finland［J］. Sustainability， 2019， 11（12）： 3293. DOI： 10.3390/su11123293 .

[15] 胡琴心， 任月， 朱洪革. 全面停伐政策降低国有林区居民的生活满意度了吗？： 基于多元有序Logit模型回归［J］. 林业经济， 2018， 40（5）： 33-38. DOI： 10.13843/j.cnki.lyjj.2018.05.006 .

[16] Aguilar F X. Factors influencing the spatial distribution of natural resource-based industries： the softwood lumber industry in the United States South ［D］. Louisiana State University Libraries， Doctor of Philosophy （PhD）， 2007. DOI： 10. 31390/ gradschool_dissertations. 1645 .

[17] Brandeis C， Hodges D G. Sawmill industry in Tennessee： assessing location pattern changes and their effects on sawlog procurement distribution［J］. Forest Science， 2023， 69（1）： e11-e20. DOI： 10.5849/fs-2016-124 .

[18] Zainul Armir N A， Zakaria S， Begum R A， et al. Factors affecting industrial localization of timber mills in Peninsular Malaysia by econometric and spatial analysis［J］. Environment， Development and Sustainability， 2022， 24（6）： 7833-7850. DOI： 10.1007/s10668-021-01760-y .

[19] Chen Z H， Zhu H G， Zhao W C， et al. Spatial agglomeration of China’s forest products manufacturing industry： measurement， characteristics and determinants［J］. Forests， 2021， 12（8）： 1006. DOI： 10.3390/f12081006 .

[20] 杨超， 程宝栋， 谢屹， 等. 中国木材产业发展的阶段识别及时空分异特征［J］. 自然资源学报， 2017， 32（2）：235-244. DOI： 10.11849/zrzyxb.20160227 .

[21] 杨超， 宋维明， 程宝栋. 中国木材加工业转移与集聚研究：产业集聚过度了吗？［J］. 林业经济， 2018， 40（3）： 16-21， 41. DOI： 10. 13843/j. cnki. lyjj. 2018. 03. 005 .

[22] 李小平. 中国木材加工产业集聚的空间格局演变及影响因素研究［D］. 北京： 北京林业大学， 2013.

[23] 搜狐新闻. 东北地区累计为国家生产木材10亿多立方米［EB/OL］.（2003-11-20） ［2023-04-27］.

[24] 肖凡， 任建造， 伍敏冬， 等. 21世纪以来中国高新技术企业的时空分布和影响机制［J］. 经济地理， 2018， 38（2）： 27-35. DOI： 10.15957/j.cnki.jjdl.2018.02.004 .

[25] 展亚荣， 谷人旭. 中国数字创意上市挂牌企业空间格局及其影响因素［J］.地理科学， 2022， 42（8）： 1370-1380. DOI： 10.13249/j.cnki.sgs.2022.08.005 .

[26] Aguilar F X， Vlosky R P. Spatial analysis of forests products manufacturer clusters in Louisiana［J］. Wood and fiber science， 2006： 121-131.

[27] Hagadone T A， Grala R K. Business clusters in Mississippi’s forest products industry［J］. Forest Policy and Economics， 2012， 20： 16-24. DOI： 10.1016/j.forpol.2012.01.011 .

[28] Kies U， Mrosek T， Schulte A. Spatial analysis of regional industrial clusters in the German forest sector［J］. International Forestry Review， 2009， 11（1）： 38-51. DOI： 10.1505/ifor.11.1.38 .

[29] Krugman P. History and industry location： the case of the manufacturing belt［J］. The American Economic Review， 1991， 81（2）： 80-83.

[30] Krugman P. Scale economies， product differentiation， and the pattern of trade［J］. The American Economic Review， 1980， 70（5）： 950-959.

[31] 迈克尔·波特. 国家竞争优势［M］. 李明轩， 邱如美，译. 北京： 华夏出版社， 2002.

[32] Zhang Y L， Li H Q， McBroom M W， et al. A spatial analysis of the forestry industries in East Texas［J］. Annals of GIS， 2013， 19（3）： 187-193. DOI： 10.1080/19475683.2013.806357 .

[33] 周沂， 贺灿飞， 刘颖. 中国污染密集型产业地理分布研究［J］.自然资源学报， 2015， 30（7）： 1183-1196. DOI： 10.11849/zrzyxb.2015.07.011 .

[34] 李蕴雄， 任永欢， 贺灿飞. 中国的地区企业进入与退出关联研究［J］. 地理科学进展， 2016， 35（3）： 349-357. DOI： 10.18306/dlkxjz.2016.03.009 .

[35] 赵勇， 白永秀. 知识溢出：一个文献综述［J］. 经济研究， 2009， 44（1）： 144-156.

[36] 艾学明. 建筑材料与构造［M］. 2版. 南京： 东南大学出版社， 2018.

[37] 严如贺， 柯水发， 刘珉. 东北三省林业发展与老工业基地振兴关系分析［J］. 林业经济， 2016， 38（11）： 16-21. DOI： 10.13843/j.cnki.lyjj.2016.11.003 .

[38] 赵浚竹， 孙铁山， 李国平. 中国汽车制造业集聚与企业区位选择［J］. 地理学报， 2014， 69（6）： 850-862. DOI： 10.11821/dlxb201406011 .

[39] 宋飏， 王婷婷， 张瑜， 等. 东北三省企业空间格局演化与区位选择因素［J］. 地理科学， 2021，41（7）： 1199-1209. DOI： 10.13249/j.cnki.sgs.2021.07.010 .

[40] 姚予龙， 邵彬， 李泽红. “一带一路” 倡议下中俄林业合作格局与资源潜力研究［J］. 资源科学， 2018， 40（11）： 2153-2167. DOI： 10.18402/resci.2018.11.02 .

[41] 陶晨璐， 李凌超， 程宝栋. 中国木材加工业空间集聚水平实证研究［J］. 北京林业大学学报（社会科学版）， 2017， 16（4）： 61-68. DOI： 10. 13931/j. cnki. bjfuss. 2017032 .

[42] 窦玉婷. 决战决胜四季度 大河木业年产5万立方米中密度秸秆板项目： 加快打造东北地区人造板新生力量［N］. 牡丹江日报， 2022-11-17.

[43] Sasatani D， Zhang D W. The pattern of softwood sawmill closures in the US South： a survival analysis approach［J］. Forest Science， 2015， 61（4）： 635-643. DOI： 10.5849/forsci.14-055 .

[44] 张平宇. “振兴东北” 以来区域城镇化进展、问题及对策［J］. 中国科学院院刊， 2013， 28（1）： 39-45， 38. DOI： 10.3969/j.issn.1000-3045.2013.01.004 .

[45] 戚伟， 刘盛和， 金凤君. 东北三省人口流失的测算及演化格局研究［J］. 地理科学， 2017， 37（12）： 1795-1804. DOI： 10.13249/j.cnki.sgs.2017.12.002 .

[46] 李妍琳， 李鹤. 人口收缩背景下资源型城市住宅价格的差异化响应及影响因素［J］. 自然资源学报， 2023， 38（1）： 157-170. DOI： 10. 31497/zrzyxb. 20230110 .

[47] 白雪松. 辽宁省木材加工企业合理布局的研究［D］. 南京： 南京林业大学， 2006.

[48] 孙平军， 王柯文. 中国东北三省城市收缩的识别及其类型划分［J］. 地理学报， 2021， 76（6）： 1366-1379. DOI： 10.11821/dlxb202106004 .

[49] 秦志琴， 倪云松， 姜晓丽， 等. 资源型地区工矿企业空间集聚与区域转型： 以山西省为例［J］. 自然资源学报， 2021， 36（4）： 948-964. DOI： 10. 31497/zrzyxb. 20210411 .

基金资助

中国科学院A类战略性先导科技专项(XDA28110100)

国家自然科学基金(42071162)

国家自然科学基金(41001097)