宏观经济、新冠疫情与气候灾害成本对北美木材产品价格的差异化影响机制研究

本文深入探讨了宏观经济指标（如住房开工率、汇率、个人储蓄率）、COVID-19大流行及气候相关灾害成本对北美地区八类木制品价格（七种软木木材和一种定向刨花板（OSB））的差异化影响。研究通过构建带方差函数的一阶自回归模型（AR(1)），揭示了不同维度木材产品对各类外生变量的响应存在显著异质性，挑战了传统复合价格指数的同质化假设，为基于产品特异性的森林资源经济估值与采伐策略优化提供了关键科学依据。

　　

摘要

木材产品市场是评估木材价值的主要系统，理解其动态有助于预测未来趋势并指导决策者确定采伐品种与时机，从而更好地预判市场变化。以往研究多通过综合指数分析木材产品价格，无法区分不同尺寸木材产品的价格差异，而尺寸恰与林分结构密切相关。本研究分析了宏观经济变量、2019冠状病毒病（COVID-19）大流行及气候相关灾害成本对北美八种木材产品（七种软木木材和一种定向刨花板（OSB））价格的影响。基于1990年至2023年的价格时间序列数据，我们拟合了带方差函数的一阶自回归模型。研究发现，与常见假设相反，价格变化不能归因于相同的变量，且这些变量对不同产品价格的影响幅度也不同。此外，COVID-19大流行等破坏性事件主要增加了市场不确定性，而非完全决定价格。这些发现有助于根据林木可生成的产品来评估立木价值，进而为优化造林和采伐策略提供信息。

引言

商业森林采伐的主要目标是向市场供应木制品。近几十年来，全球工业圆材消费量稳步增长，预计到2050年将达到31亿立方米。这种不断增长的需求可能对加拿大等木材生产国施加压力，促使其采取更集约的森林经营策略。这些策略的经济可行性取决于对市场状况的预测，因为木材产品需求可能对多种因素敏感，包括周期性住房需求、贸易政策变化以及自然灾害后的供应中断。木材产品价格也直接影响森林经营策略，因为决策需与当前及预期的市场状况保持一致。以市场为导向的策略可使森林管理者做出造林决策，生产经济价值最高的商业产品，同时考虑气候变化对森林组成和生长的影响。例如，由于采伐时的树木尺寸是影响木材商品组合的重要驱动因素，预测其组成和价值的演变对于决定林分应采伐还是保留至关重要。因此，理解需求因素如何影响木制品价格未来波动，可改进趋势预测，并为中短期森林经营决策提供宝贵见解。

在此市场背景下，软木木材和板材是加拿大和美国交易量最大的木制品。软木木材广泛用于建筑行业，尤其是住宅建筑领域。由于预期全球需求增长，未来50年软木木材价格预计上涨。同样作为建筑相关产品，定向刨花板（OSB）在以往以胶合板为主导的市场中份额不断增加，这一趋势预计将持续。模拟软木木材和OSB价格可增强对森林经济潜力、市场不确定性以及与森林经营机会相关的机会成本的理解。

理解价格动态需考察基本经济原理。根据经济理论，商品价格假定为生产者愿意供应市场的价格与买方需求数量之间均衡的结果。这一假设依赖于过于简化的完美市场条件系统。实践中，价格可能因信息不对称、垄断或政府政策等多种原因而扭曲。尽管如此，理解软木木材和OSB等产品的供需变量仍然至关重要。

这种理解在北美的市场一体化背景下尤为重要。美国和加拿大保持着世界上最大的国际贸易关系，涵盖多个行业，2022年贸易总额约7460亿美元。两国市场紧密依存：2017年，美国90%以上的软木木材和OSB进口来自加拿大，而加拿大一半的木材产量出口至美国。近期加美之间的关税争端凸显了美国市场对加拿大产业的深远影响。理解木制品价格波动对于把握经济动态至关重要，突显了这两个主要木材生产国之间的经济相互依存性以及以森林为依赖的社区对市场波动的潜在脆弱性。

基于市场的复杂性，现有计量经济模型已识别出可能影响木材产品价格的反复出现的外生变量：宏观经济、气候相关灾害成本以及COVID-19大流行等全球破坏性事件。

本文聚焦三个关键宏观经济变量：住房开工率、汇率和个人储蓄率。住房开工率是国家经济表现的指标，历史数据显示住宅投资下降往往先于经济衰退。美国住宅建筑行业消耗全国约三分之一的软木和结构板材消费量，这一比例预计在未来几年将保持或超过。近期估计表明，美国住房库存短缺高达730万套，表明建筑市场持续增长，将维持对加拿大软木和OSB产品的需求，同时造成价格短期波动。

汇率是另一个关键宏观经济变量。尽管一些学者认为货币相对贬值降低生产成本、促进出口，同时使其他国家更难进入国内市场，但其他研究发现汇率对加拿大木材 affordability 无显著影响，反而强调美国国内木材价格对进口的影响。汇率对北美木材价格的影响仍不明确，尤其是考虑到加拿大造林系统使用的长轮伐期。

另一个可能影响价格的宏观经济变量是美国个人储蓄率——个人储蓄占个人可支配净收入的百分比。这在COVID-19大流行期间尤为明显，由于封锁政策、政府转移支付和高就业率，个人储蓄率升至历史高位。购房是许多家庭的最大投资。由于住房资产兼具投资和消费商品属性，且美国房价指数呈现与金融资产相似的特征，可预期个人储蓄率与住房需求及最终木制品价格之间存在正相关关系。

除宏观经济因素外，气候相关灾害是影响木材供应、需求及可能木制品价格的另一因素。此类干扰预计因气候变化而增加，可能放大对价格的短期和长期影响。气候相关灾害对森林结构和木材供应的影响已有充分记载。由于林产品市场内部相互关联，野火、虫害爆发和风暴等局部大范围干扰会波及整个价值链，影响直接受灾区域以外的地区。Johnston等人（2024）和Henderson等人（2022）的最新研究表明，自然干扰对包括软木产品在内的各种木制品价格产生负面短期影响，恢复可能需要长达25年才能达到干扰前水平。飓风和洪水等气候灾害的后果也创造了需求驱动的价格上涨，这一点在科学文献中讨论较少。根据美国国家海洋和大气管理局的数据，自1980年以来，美国气候相关灾害成本已达2.67万亿美元，且随着气候变化影响在强度和严重性上持续增加，预计将加速增长。据我们所知，尚无研究考察气候相关灾害成本与个体木制品价格之间的关系。

全球破坏性事件是价格波动的另一类驱动因素。理解COVID-19大流行等全球破坏性事件如何影响市场，可改进对未来危机的准备。COVID-19大流行与木制品价格的历史高位和剧烈波动同时发生，价格涨幅高达300%。关于大流行期间木材价格飙升的几种假设中，最常见的表明大流行和远程工作的普及使人们优先考虑建房和装修。鉴于木制品供应有限，需求增长导致木材价格重大变化，最终减少消费者剩余。然而，大流行对个体木制品价格的影响很少揭示消费者选择的根本驱动因素。需要进一步分析以更好理解大流行对木材价格的影响。

尽管存在这种复杂性，木材产品价格动态历来通过综合价格指数进行分析，将所有产品汇总为单一价格指数。虽然这种方法在许多情况下直接且有用，但无法捕捉各种木制品之间的细微差异，并最终无法体现木材尺寸的影响。关于该主题的科学文献仍然稀缺，突显了对个体产品价格全面分析的空白。本研究旨在通过开发统计模型来估计不同尺寸软木木材和OSB价格相对于美国需求变量的关系，以填补这一空白。在此过程中，我们的目标是通过提供对市场状况的改进理解来支持森林经营规划。

材料与方法

数据描述

我们使用了来自Pribec的五大湖市场月度价格数据，并将其聚合为季度数据进行分析。每种木制品的可用价格数据起始时间不同，导致数据集时间范围各异。由于它们都包含从经济角度看较长的观测期，且 broadly 覆盖相同历史时期，我们认为数据集是一致的。自1976年1月以来，Pribec一直是北美东部木材行业的定价指南和参考工具，提供多个关键市场（蒙特利尔、波士顿、五大湖、多伦多和滨海地区）的信息。我们基于五大湖市场信息研究价格，因为该市场是最中心的市场，提供了北美交易的一般概览。价格使用生产者价格指数（PPI）调整为恒定值，该指数衡量生产者每单位产品所获销售价格的平均变化。调整恒定值的时间参考为2023年第四季度，即时间序列中的最新条目。

在北美，单块毛材按公称尺寸（宽度和厚度）销售。表1提供了软木木材产品和OSB的价格信息。表1还显示了按产品分类的交易百分比。木材库存按板英尺交易，1板英尺相当于1英尺长×1英尺宽×1英寸厚（30.5厘米×30.5厘米×2.45厘米），并根据木材件的公称尺寸计算。OSB面板按平方英尺交易，主要为4×8英尺（122×244厘米）。然而，面板也有4×9、4×10和8×24英尺的尺寸。为综合起见，表1显示了复合OSB价格。

对表1所列的每种木制品拟合了一个价格模型。表2显示了模型中测试的解释变量的均值、中位数、最大值和最小值。我们进行了一些初步分析，以了解某些外生变量随时间变化如何影响木制品价格。我们评估了具有不同时间滞后的变量，以识别潜在的时间模式和关系。我们的初步分析显示，对价格的延迟影响通常为一到四个季度。基于此见解，我们在价格模型中测试了每个变量最多四个季度的延迟效应。

气候相关灾害成本按年编制，最高支出通常发生在下半年。因此，给定年份第一和第二季度的气候相关灾害成本与上一年的成本相关联。类似地，给定年份的气候相关灾害成本影响下一年的前两个季度。这与关于洪水和飓风同步性的文献一致。

模型开发

采用计量经济学常规方法开发了线性回归模型来测试潜在解释变量。据此，我们的计量经济模型形式为：

y_i = x_iβ + ε_i

其中y_i是给定木制品在季度i的价格，x_i是解释变量的行向量，包括住房开工率、加元/美元汇率、美国联邦基金利率、气候相关灾害成本以及COVID-19大流行相关强制措施的存在与否，β是未知参数列向量，量化了解释变量与响应变量之间的关系，ε_i是残差项。

估计参数向量β的常用方法是普通最小二乘法（OLS），它最小化残差平方和。OLS估计量的推断依赖于ε_i正态分布、同方差（方差齐性）且独立的假设，即ε ~ N(0, σ2I)。重复测量（如价格时间序列）可能导致违反这些假设，尤其是独立性和同方差性。这些违反不影响β的OLS估计量，它仍是一致的和无偏的。然而，参数的估计方差可能不一致和有偏。

初步试验揭示了所有木制品存在自相关和ε_i的异方差性。广义最小二乘估计量通过合并方差函数处理异方差性，以及相关结构处理自相关性，从而放宽同方差性和独立性假设。在以下段落中，我们进一步描述了方差函数和相关结构的实现方式。

初步试验显示COVID-19大流行影响了ε_i的方差。描述不同解释变量状态下方差变化的方差函数COVID可表示为：

Var(ε_i) = σ2 若 COVID=0, 或 δ2σ2 若 COVID=1

其中σ2是大流行期间以外发生的残差方差，δ2σ2是大流行期间残差的方差。相同方法用于测试软木木材争端的影响。

第二个考虑是选择适当的结构来解释误差项之间的相关性。描述每个观测值与其时间滞后相关性的常见相关结构是一阶自回归结构AR(1)：

Cor(ε_i, ε_i') = ρ^{|t_i - t_i'|}

其中ρ是参数，代表相距一个时间单位的两个误差项之间的相关性，|t_i - t_i'|是误差项i和i′之间的时间距离。这假设观测值在时间上越接近，其误差项相关性越强。向量ε = (ε₁, ε₂, ε₃, … ε_n)的相关矩阵Σ则为：

Σ = [1 ρ ρ2 ... ρ^n-1; ρ 1 ρ ... ρ^n-2; ... ; ρ^n-1 ρ^n-2 ... 1]

结合方差函数和相关结构，误差项的方差-协方差矩阵为：

Var(ε) = Ψ^1/2 Σ Ψ^1/2

其中Ψ是对角矩阵，其非零条目为σ2或δ2σ2，取决于观测是否处于COVID时期。

解释变量选择过程依赖于识别具有最低Akaike信息准则（AIC）和贝叶斯信息准则（BIC）的模型。此过程允许选择平衡拟合优度和简洁性的最佳模型。我们的最终模型仅包括在5%概率水平上统计显著的解释变量。此方法选择有助于捕捉每个木制品的独特价格动态，而非一刀切的建模方法，以提高预测准确性。

结果

表1显示了按尺寸划分的魁北克省木材生产百分比、每种木制品的摘要统计量以及每个时间序列的编译。2019年，省生产高度集中在2×4木材，而2×10木材仅占生产的0.1%。1×3和1×4木材合计仅占总生产的1.5%。平均而言，2×3木材价格和最小值最低，而2×10木材价格最高，并在研究期间达到最大最大值。尽管尺寸较小，1×3木材平均价格高于1×4木材，可能反映了不同的最终用途应用和市场动态。

表3提供了木制品价格的参数估计，检查了这些价格与解释变量之间的关系，潜在滞后效应最多四个季度。

住房开工率、气候相关灾害成本、个人储蓄率和COVID在统计显著时对价格有正向影响。气候相关灾害成本对大多数产品有显著影响，仅对2×10不显著。个人储蓄率对所有产品的价格有四个季度滞后的显著影响，除了2×3和1×3木材，该变量不显著。汇率仅对少数产品价格有显著影响，特别是OSB、1×3和1×4。与汇率类似，联邦基金利率也仅对某些产品显著：2×10、1×3和1×4。两个变量在不同产品上表现出具有不同延迟的显著影响。

虽然COVID-19事件与价格飙升相关，但其影响仅对2×4木材显著显著，对2×3木材接近显著（p < 0.08），因此保留在该模型中。我们的模型表明，大流行导致2×4价格上涨超过300美元/千板英尺，2×3上涨近400美元/千板英尺。

模型性能因木制品而异。我们使用伪R平方评估每个个体模型的相对解释力。1×3和1×4的值最大，为0.25，而OSB的最低值为0.15。由于这些模型使用不同的因变量，无法比较它们的预测性能。我们基于误差分布比较模型。尽管OSB模型中有多个显著变量，价格尤其难以预测，残差标准差为82.57，而2×4木材为46.58。

方差函数（参数δ）证实了所有八种产品的残差项分布异方差，大流行期间方差显著更大。2×3木材方差激增最大，通常方差在该期间乘以超过60倍。OSB在该期间方差膨胀最低，其方差仍乘以近20倍。自相关结构显示小的产品特定模式，2×4的中等正自相关为0.48，1×4的高正相关为0.94。值得注意的是，所有模型设计为包含一阶自回归相关结构，考虑误差项之间的滞后关系。

图1提供了模型预测与观测值的可视化表示，以及平均价格周围的95%置信区间。预测因产品而异。对于OSB价格，预测价格通常跟随观测值，但未能捕捉极端价格飙升。这解释了高方差，因为OSB模型难以预测极端历史波动。解释变量数量最少的2×3拟合最差。通常，所有剩余模型在时间序列持续期间显示了可接受的观测价格波动表示。总体而言，2×4木材拟合最佳，结合了视觉上良好拟合的预测和低残差标准差。

讨论

驱动木制品价格波动的过程是双重的：供应稀缺性和需求趋势，后者受各种外生变量影响。木材供应已通过森林增长率和供应链分析进行研究。然而，对需求波动的理解仍然更加模糊，因为它受许多变量影响，如我们的研究所示。

木制品价格通常被平均并汇总在描述整个森林部门的综合指数下。通常的隐含假设是，平均而言，同一行业的特定产品对外生变量的反应方式相同。相反，我们的结果表明，影响个体产品价格的变量是多样化的、异质的，并且不一定在产品间重复出现。此外，预测价格的能力因个体产品而异。例如，我们的研究未提供2×3木材波动的精确预测，其中仅气候相关灾害成本有显著影响。另一方面，2×4木材价格是最可预测的之一。

我们的发现反映了五大湖市场动态，尽管由于这些区域之间的价格相关性，北美东北部（蒙特利尔、波士顿、多伦多和滨海地区）预计存在类似关系。五大湖市场是加拿大最中心的木材交易中心，被许多专家视为可靠基准。虽然区域生产中断或运输罢工等临时事件可能影响供应可用性和价格均衡，但价格的短期变化通常被其他市场重新平衡。这是因为在特定市场销售的产品不一定来自同一区域，而是遵循供需决定的路径。重要的是，我们的季度平均价格数据减弱了临时波动，同时保留了驱动长期市场动态的基本经济关系。

气候相关灾害成本成为价格波动最反复出现的预测因子。在气候变化情景下，热带气旋和野火等重复气候事件预计未来增加，从而诱发额外的人力和货币成本。根据我们的模型，气候相关灾害成本每增加十亿美元，木制品价格预计每单位上涨0.14–0.24美元。考虑到观测期间平均气候灾害成本估计为每年764.8亿美元，且过去5年已升至每年平均1225亿美元，对木制品价格的影响可能 substantial。仅2×10木材未显示与气候灾害成本的显著关系，可能反映了最终用途应用的差异。我们的模型显示了美国建筑行业广泛使用的产品的显著价格敏感性，尤其是2×4木材和OSB面板，它们主要用于轻框架建筑。轻框架结构在灾害期间易受损，加上受损家庭需要快速维修，可能触发对这些产品的灾后需求激增。

尽管本研究关注需求因素，供应侧效应不容忽视，因为木材库存受气候变化严重影响。自然干扰以两种方式影响木材供应：通过抢救性采伐快速增加市场木材供应，以及由于对木材库存、林龄结构和物种组成的影响而长期改变森林生产。这在加拿大带来挑战，那里缓慢的木材生长率意味着满足不断增长的木制品需求不仅需要更集约的经营策略，还需要谨慎的采伐时机决策以获取更大的经济价值。

住房开工率成为木制品价格第二重要的预测因子。鉴于美国及全球持续的住房需求，价格预计未来保持高位。挑战的规模重大：美国未来几年仍需建造高达730万套住房。如果这一短缺在4年时间框架内（总统任期的典型持续时间）得到解决，每年可能有额外的146万套住房开工进入市场。作为背景，2023年7月的季节调整年率为147万套住房开工。在其他条件不变的情况下，如果住房短缺与持续住房需求并行解决，建筑活动可能翻倍。如此增长可能驱动价格大幅上涨，OSB约205.8美元/千平方英尺，2×4木材约116.8美元/千板英尺。

尽管美国人口在过去几十年持续增长，住房开工率仍保持在1990年代水平。住房短缺的原因超出本文范围。基于我们的分析，未来美国解决住房短缺的政策可能增加木制品价格。尽管由于与美国建筑行业高度相关而未具体研究，加拿大住房市场面临类似住房短缺，这可能对价格产生额外压力。

此外，正如Gaudreault等人（2011）指出，木制品行业以生产管理和约束运作。制造约束表明行业无法立即适应市场需求，这进一步支持在加速住房建设情景下的价格上涨。然而，技术和生产力改进可能缓和这些价格上涨。加拿大近年来经历G7国家中第二差的生产力增长，通过技术创新、流程优化和劳动力构成提高生产力的建议可能反过来增加木制品供应，从而降低均衡价格。

汇率对产品的影响各异。我们的模型显示汇率对OSB价格有负向影响，延迟一个季度，而对1×3和1×4木材延迟四个季度。然而，这种负向关系反映了以美元计价。随着加元相对于美元走弱，对美出口受到鼓励。虽然这种供应增加可能导致美元价格下降，但加拿大生产者由于本币贬值仍可维持利润 margin。

我们的发现贡献了关于汇率对木制品价格影响的持续辩论。虽然加元/美元比率的显著统计关系与几位作者的发现部分一致，我们证实了Buongiorno等人（1988）提出的一般均衡模型的相关性。汇率效应往往是产品特定的，而非跨产品类别普遍存在。我们的分析揭示汇率仅对OSB、1×3和1×4有显著影响，表明这些产品存在更多跨境竞争和可替代性。

美国联邦储备利率也仅对某些产品表现出显著负向影响，通过不同时间滞后 across 不同尺寸。我们的分析揭示了三个季度延迟的负向影响对2×10和1×4，以及一个季度滞后对1×3。这些结果与利率上升和建筑活动之间的相关性一致，其中住房市场表现为典型金融资产。

令人惊讶的是，COVID-19大流行并未影响所有产品的价格，说明全球破坏性事件可能因社会、政治和经济背景不同而有不同结果。类似于Zanello等人（2023），我们的模型显示大流行有显著正向影响，但仅对2×4和2×6木材。尽管如此，所有模型表明大流行引入了更大的价格不确定性。在我们的数据集中，COVID-19大流行期间木制品市场的中断将价格推至创纪录水平。与其将极端值视为统计噪声，我们将其视为异常情况下市场响应的信号，提高了我们模型在不确定时期的适用性。我们的分析表明大流行 dramatically 影响了木制品价格。价格标准差波动系数为4.4–7.8（参数δ）跨产品，范围从290.20美元到555.24美元。高自相关系数（ρ = 0.48–0.94）表明持续的市场不确定性。

先前研究常将大流行期间木基商品价格飙升归因于低利率、远程工作和旅行限制。然而，将COVID-19大流行确定为此价格飙升的主要原因可能治标不治本。相反，价格飙升的根本驱动因素似乎是消费者支出能力增加，加上房主将其财产视为潜在投资资产。如果大流行导致失业且利率不变，对森林产业的影响可能更严重。

我们的结果表明个人储蓄率是大流行期间价格波动的关键驱动因素。一旦考虑了个人储蓄率的影响，COVID-19的影响对大多数产品变得不显著。更高的可支配收入显著影响所有产品，除了2×3和1×3木材。这与2020年第二季度个人储蓄率历史高达24.4%相吻合。重要的是，显著效应出现在四个季度滞后，表明前一年个人储蓄率强烈影响当前价格。最强效应发生在2×4木材（β₄ = 11.86, p < 0.001）和OSB（β₄ = 14.42, p < 0.001），最弱为1×4木材（β₄ = 6.46, p = 0.01）。个人储蓄率对2×3和1×3木材价格的不显著影响可能反映了与不同市场细分和消费者应用的关联。老化的美国住房库存为此提供了额外背景。截至2021年，90%的美国住房存量建于2010年之前，而35%建于1970年之前。美国自有住房的中位年龄为40年，表明改造活动和维修的潜在市场。在此类应用中，2×4木材承重功能，而2×3和1×3尺寸用于非结构目的，可能对改造市场信号反应不强烈。

我们的基于回归的建模方法可以处理各种主题，但也有固有局限性。首先，我们的预测依赖于历史数据，假设未来与过去相似。在新市场条件下和 disruptive 技术兴起时，这种假设可能不准确。其次，个人和组织对木制品偏好的变化也可能影响价格，但此类效应未在我们的研究中充分考虑。例如，家居改善对价格的影响未包括，但可能提供额外见解。第三，在初步测试中，我们检查了加美软木木材争端对价格的影响。然而，我们的建模方法无法同时容纳多个方差效应。最后，我们的研究 specifically 考察了北美木制品市场。尽管我们的方法可能提供国际见解，但结果应谨慎解释，因为市场动态严重依赖于地方和区域背景。

结论

关于软木木材和OSB等木制品价格的现有文献稀缺，且仅通过单一综合价格指数的 broad 视角处理价格动态。这种方法 overlooks 当不同产品价格对宏观经济条件变化、破坏性事件和气候相关灾害成本响应不同时的关键细节。本文基于长期时间序列开发了八种木制品的价格模型，带来了更多细微差别并为补充研究提供了新颖见解。

我们的研究为木制品价格波动研究带来两类进展。方法上，先前被综合指数掩盖的对经济驱动因素的异质响应表明，产品特定模型至关重要。实证上，我们确立气候灾害成本作为木制品价格显著且一致的预测因子，而 prior 研究未量化此关系。因此，我们的发现挑战了跨木制品的统一市场响应假设，表明木材尺寸、最终用途应用和市场细分创造了 distinct 经济行为。这些见解可为精确的森林估值和基于产品特定市场预测而非 broad 行业趋势的 refined 采伐时机决策提供信息。

我们的分析描述了加美之间的关键市场动态，这在气候变化背景下尤为相关。热带气旋和野火等加剧气候事件的损害预计未来几十年增加。根据我们的模型，上升的气候灾害成本将推动我们研究的八种木制品中七种的价格上涨。给予当前住房危机和预期美国人口增长，以及加拿大人口统计，大多数木制品价格预计上升。

这些发现也对森林管理有重要影响，因为它们使 anticipate 森林采伐可能压力成为可能。当整合到决策过程中时，我们的发现可指导国家和区域森林经营策略，以利用市场机会。

历史上，加拿大森林经济潜力的大部分已被采伐，为后代留下更小的树木。一种预测森林经济潜力而非仅木材量的方法可指导基于生物和经济持续 yield 原则的森林管理决策，确保今天的采伐决策为后代保留平等机会。不同树木尺寸产生不同木制品。基于木制品价格预测的森林管理可通过经济上适当的时间安排指导采伐决策，而非仅依赖生物物理指标。本研究为替代模拟框架奠定了基础，该框架包括经济预测，类似于气候变化预测已被纳入的方式， alongside 木材产品分类模型和森林生长模型以预测木材出材率。

在后续研究中，我们打算评估与森林生长动态相关的挑战，以评估未来木材流的经济估值潜力、对木制品 ever-increasing 的需求以及确保长期可持续性的挑战。此外，我们计划整合包括本研究中检查的解释变量的各种情景的分析，从而扩展我们对本工作中识别的复杂关系的理解。此类模拟框架是对现有森林管理优化框架的补充，并可提供更多经济考虑细节。

致谢

我们感谢森林工业委员会的Michel Vincent和Alexandre Larouche提供价格数据以及宝贵见解。我们也感谢魁北克自然资源和森林部的Martin Dery和Hamza El Fadili提供初步数据。本项目由NSERC联盟项目Silva21（NSERC A ALLRP 556265-20）支持。