新加坡：精选问题

新加坡 精选议题 2026年7月 这份关于新加坡的文件是由国际货币基金组织的一个工作人员团队准备的，作为与成员国定期磋商的背景文件。该文件基于其完成日期为2026年6月29日时可用信息。 本报告的副本可向公众提供。 国际货币基金组织 • 出版服务 • 邮政信箱 92780 •华盛顿特区 20090 电话：(202) 623-7430 • 传真：(202) 623-7201 电子邮件： publications@imf.orgWeb:http://www.imf.org 新加坡 精选议题 2026年6月29日 亚太部批准 由桑迪勒·赫拉施维约（APD）编制 目录 表私人消费驱动因素（占国民净值百分比）______________________________8 附件 I.数据定义与来源 ______________________________________________________9II. 新加坡及其他金融中心2023年私人消费与国民发展指数（GNDI）差异的关键驱动因素 _____________________________________________________ 10 参考文献_________________________________________________________________________ 11 新加坡私人消费的驱动因素 1 私人消费占GDP比重在不同发达经济体之间存在显著差异，其中新加坡在其同组经济体中记录到该比重之一最低值。通过对31个发达经济体样本及一套丰富的潜在驱动因素进行分析，研究发现缓慢变化的结构性因素，如人口结构、经济结构和发展水平，是这些差异的重要相关因素，而周期性因素似乎扮演的角色更为有限。与其他发达市场相比，新加坡较低的老龄抚养比、较低劳动份额、较高的人均实际GDP以及作为金融中心的角色，都对其消费比重产生了影响。 A. 简介 新加坡的私人消费占比较低，且相对于其他发达经济体呈下降趋势（见图1）。2024年，新加坡的私人消费占国民可支配总收入（GNDI）的比重为38%，低于1990年的46%。在样本中的发达经济体中，其比重最低，但与爱尔兰和丹麦等经济体相当。先前分析表明，新加坡的高发展水平、快速老龄化人口以及劳动力份额较低是其消费占比较低的原因（Qureshi，2016；Yoo，2021）。 2.为理解新加坡消费比率的根本决定因素，本分析建立在先前研究的基础上，并向文献提出了三点新的贡献。 该分析涵盖了不确定性、人口结构、发展水平、结构性特征和周期性因素等丰富多样的驱动因素，并借鉴了已有文献。它还针对聚焦于新加坡私人消费率的文献子集，提出了三点新颖的贡献。首先，它引入了一个时变的金融中心强度控制变量，该变量通过衡量相对GDP的对外总资产和负债来衡量，以解释大型跨境资产负债表在高整合金融中心（如新加坡）塑造储蓄和消费行为中的作用。这改进了以往依赖针对金融中心的自制虚拟变量的方法。其次，它探讨了成为金融中心如何与经济体的小规模地理特征相互作用， 关于地理上较小的金融中心国家因国内投资机会有限而拥有更高储蓄率的假设。第三，它包含一个时变控制变量，以帮助解释养老金体系的作用。 B. 方法论 3.为考察各国私人消费率差异的驱动因素，我们采用双向固定效应回归模型。样本包括1990年至2024年间31个发达经济体。2 基准估计方程形式如下： 𝑐𝑖,𝑡=𝛼+𝜷𝟏′𝑫𝒆𝒎𝒐𝒈𝒓𝒂𝒑𝒉𝒊𝒄𝒔𝒊,𝒕+𝛽2𝐿𝑎𝑏𝑜𝑟𝐼𝑛𝑐𝑜𝑚𝑒𝑆ℎ𝑎𝑟𝑒+𝛽3𝑅𝑒𝑎𝑙𝐺𝐷𝑃𝑝𝑒𝑟𝐶𝑎𝑝𝑖𝑡𝑎𝑖,𝑡−1+𝜷𝟒′𝑪𝒚𝒄𝒍𝒊𝒄𝒂𝒍𝑭𝒂𝒄𝒕𝒐𝒓𝒔+𝛽5𝐺𝑜𝑣𝑒𝑟𝑛𝑚𝑒𝑛𝑡𝐶𝑜𝑛𝑠𝑢𝑚𝑝𝑡𝑖𝑜𝑛𝑖,𝑡+𝛽6𝑃𝑒𝑛𝑠𝑖𝑜𝑛𝑆𝑦𝑠𝑡𝑒𝑚𝑠𝑖,𝑡+𝛽7𝐹𝑖𝑛𝑎𝑛𝑐𝑖𝑎𝑙𝐶𝑒𝑛𝑡𝑒𝑟𝐼𝑛𝑡𝑒𝑛𝑠𝑖𝑡𝑦𝑖,𝑡+𝛿𝑖+𝜃𝑡+𝜀𝑖,𝑡 其中 푐푖,푡 表示 i 国 t 年的私人消费占 GNDI 的比重；人口统计学指标是控制变量向量，包括人口增长率、老年抚养比和老龄化速度（以 t 年后 20 年的老年抚养比与 t 年的比率之差衡量）；周期性因素包括实际增长率、家庭信贷/GDP、利率、贸易条件变化和失业率；养老金计划净贡献占 GDP的比重；金融中心强度是总资产和负债/GDP 的对数；훿푖 表示吸收跨国时间不变异质性的国家固定效应；휃푡 表示吸收 t 年共同全球冲击的年份固定效应；휀푖,푡 是误差项。有关数据定义和来源的更多细节，请参见附件一。估计的标准误对异方差具有稳健性。 4.经验结果应谨慎解读，需注意以下几点。首先，为构建一个广泛且数据一致的样本面板，因变量以国民可支配收入（GNDI）为分母，而非家庭个人可支配收入。家庭个人可支配收入是消费决策最相关的家庭资源概念，但在早期年份，该数据并非适用于全部样本。虽然GNDI作为分母优于GDP，因为它能更好地反映居民可支配的收入，但它仍然是一个不完美的代理指标。其次，部分解释变量，如收入不确定性和金融中心强度，是构造性代理指标，可能存在测量误差。第三，养老金指标捕捉了养老金计划中净缴款占GDP比重的变化，这些计划存在当前贡献者与当前受益人之间的转移支付，例如固定收益计划。然而，对于不存在此类再分配转移的固定缴款计划，该指标被设为零，且无法捕捉不同经济体中固定缴款计划可能存在的不同强度水平，而这种强度水平在某些经济体中会抑制消费。作为补充，工作人员还运用养老金参数分析了不同市场中储蓄行为的变化，参考了国际货币基金组织（IMF）2026年外部平衡评估中的养老金工具。最后，经验方法识别了部分 新加坡 相关性而非一般均衡的因果效应，并且一些系数可能仍然反映被控制变量未能完全捕捉的遗漏因素。 C. 研究结果 5.人口结构、经济结构和收入水平等结构性特征对推动发达经济体的私人消费模式起着重要作用。表1展示了分析结果。分析发现，在发达经济体中，老龄化程度更高以及劳动收入份额更高的结构性因素与更高的消费率相关，而人均GDP水平更高、金融中心强度更大以及人口增长更快则与更低的消费率相关。周期性因素，包括更强的产出增长和更高的储蓄回报，也会降低消费，但重要性较低。具体而言： • 老龄化抚养比系数为正，并且在大多数设定中具有统计显著性。在表1第8列所示的首选设定中，老龄化抚养比每上升一个百分点（ppt），消费率就上升0.41 ppt。这一结果与文献中的发现一致，即人口结构是消费动态的重要驱动因素（莫迪利亚尼和布姆伯格，1954）。相比之下，人口增长在大多数设定中为负且具有统计显著性，每增加一个ppt的人口增长与消费率大约下降0.23 ppt相关。老龄化速度的系数意外地呈正向，但在各设定中均未通过统计显著性检验。这一发现与先前文献中发现的“加速老龄化往往降低消费”的结论相悖。可能使结果减弱的一个因素是，联合国人口预测中各国老龄化模式的预期变化相对于先前的预测周期存在统计趋同性。然而，总体而言，人口结构模式与消费和储蓄的生命周期模型一致：老年人口规模较大往往与更高的负储蓄和消费相关，而人口快速增长且伴随相关劳动力动态的经济体则具有较低的消费率。 • 在劳动份额方面，劳动报酬占国民收入份额每增加一个基点，消费占国民发展指数（GNDI）的比率就显著提高0.44个基点。这与Yoo（2021）的研究结果一致，并表明拥有庞大企业部门和大量外资跨国公司经济体的资源中，用于国内家庭的份额较小（见图2）。3 • 高收入经济体具有较低的消费率。在首选的规格中，人均滞后实际GDP每增加一个对数单位，消费率显著降低4.4个基点，这与高收入经济体及其内部高收入家庭具有较低边际消费倾向的发现相符，包括 由于有更高的遗赠动机和预防性储蓄动机（Agarwal and Qian, 2014;De Nardi, 2004; De Nardi et al., 2010; Jappelli and Pistaferri, 2014）。 • 对于周期性及政策相关因素，实际GDP增长率每提高1个基点，在优选的模型设定中，消费率显著降低0.15个基点，这与先前的研究发现（Masson等，1998）大体一致；而家庭信贷占GDP比重每提高1个基点，则与消费率约提高0.04个基点相关（Mian等，2017）。实际短期存款利率每提高1个基点，与消费率显著降低0.17个基点相关；存款实际回报率越高，储蓄激励越强，消费推迟的可能性也越大，这可能与家庭资产负债表的结构（Cloyne等，2020）也有关。贸易条件改善会降低消费，这可能反映出贸易条件改善带来的正收入冲击主要惠及企业而非家庭。收入不确定性越高，消费倾向越低，这与实物期权“观望等待”效应（Baker等，2016）一致，但一旦纳入更广泛的控制变量，其影响程度就变得统计上不显著且大幅减小。吸收主要全球冲击的年份固定效应也可能捕捉到收入不确定性。失业率及政府消费占GDP比重均未通过统计显著性检验。 • 养老金方面，该指标是养老金引致家庭储蓄的一个粗略代理。与固定收益或现收现付制相关的净缴费每增加一个基点，消费与国内生产总值（GNDI）之比就大约下降1.1个基点。然而，如前所述，养老金指标并未捕捉到固定缴款式养老金制度的 behavioral 维度，在该制度下，强制缴费率、基金慷慨程度以及此类计划促进消费平滑的程度差异很大，并可能影响家庭储蓄和消费结果。一项单独分析，使用2026年外部平衡评估方法中的养老金工具包显示，新加坡的固定缴款式养老金制度有助于解释其当前账户顺差中高达1.6%的国内生产总值（GDP）。 金融中心强度增加的影响很大且为负：在对数金融中心指标上增加一个对数单位，与消费率大约降低1.9个基点显著相关。尽管衡量指标构建方式不同，这一结果与使用虚拟指标研究金融中心的研究结果相近。具体而言，与非金融中心相比，Quershi（2016）发现金融中心与大约占GDP 2%的更高私人储蓄率相关，而IMF（2017）的外部平衡估计显示金融中心与大约占GDP 3%的更高经常账户余额相关。 • 最后，在成为金融中心的前提下，较小的地理面积似乎并不会推动更高的储蓄率。小型国家虚拟变量与金融中心强度指标之间的交互项为正、显著，并完全抵消了金融中心指标的负面基准效应，表明地理面积小但也是大型金融中心的地区，其消费率相对于物理面积更大的金融中心地区更高。为评估该发现的稳健性，全球人口和产出份额被用作衡量小型经济体的替代指标。金融中心强度与产出份额的交互效应不显著，但人口份额的交互项产生了净正向效应。 这一结果在一定程度上支持了这样一个观点，即对于金融中心而言，人口较少的国家往往消费较低而储蓄较高。4 无论是人口份额指标还是产出份额指标，单独来看都不具有统计学上的显著性。 6.对于新加坡而言，其人口结构、低劳动份额、高发展水平、低家庭信贷以及金融中心地位，使其2024年的消费相对于同侪有所降低。 采用首选规范，图3显示了关键驱动因素的分解比较 新加坡2024年的消费率低于其他发达经济体平均水平。最重要的影响因素是新加坡的老龄化抚养比，尽管其人口老龄化速度快，但目前仍低于其他发达经济体。新加坡的劳动份额是第二重要的影响因素，在样本中处于较低水平，比样本其余部分的平均水平低10个百分点。其他重要因素包括新加坡人均实际GDP水平较高、金融中心地位以及较低的居民信贷占GDP比重。有关比较详情，请参见附件二。 新加坡的私人消费率与其他金融中心相比。其驱动因素与图3所示相似，除了金融中心强度指标，因为新加坡的金融中心强度低于其他金融中心的平均水平。 7.过去二十年，新加坡消费比率的下降是由类似因素驱动的。图4显示，新加坡的消费比