文　陈玉宇

　　
一、大名鼎鼎的Ferguson团队的报告
　　Ferguson团队2020年3月16日的报告影响很大。报告认为，COVID-19的全球流行和影响，是自1918年H1N1流感以来最为深重的疾病大流行。在假设尚未出现COVID-19疫苗的情形下，报告利用流行病学模型（SIR模型或其更精细的变种模型）对英国和美国的流行进行了仿真模拟。其结论是各种单独的隔离等干预手段效果有限。
　　进一步，报告认为面对病毒有两大战略可取：缓和疫情战略与压制战略。缓和战略中心在于缓和流行进程，削减爆发高峰的强度，意图不在终止病毒流行。这样做假设前提是，没有疫苗或者可预见的时间内没疫苗，病毒的流行和传播无可阻止。那么缓和疫情的战略，意在干预疫情进程，减缓高峰期对医疗资源的需求，确保不造成医疗资源的过载和挤兑。压制战略，指的是逆转病毒的流行传播进程，减少感染的病例数，使其维持在很低水平，并一直持续下去。
　　报告指出，无论哪种战略，都有相当大的挑战。报告发现，一个综合的缓和战略会将流行高峰期的医疗需求降低2/3。这个综合的缓和战略内容包括：疑似者居家隔离，其家庭成员隔离，高危人群如老年人进行社交疏离。缓和政策下，即便高峰期医疗需求大幅降低了2/3，英国仍会有数以十万计的死亡，ICU的需求超过能力数十倍，仍将出现医疗资源过载的窘迫。
　　若实行压制战略，报告认为至少应包括：全部人口的社交疏离（social distancing），感染者及其家属的居家隔离，学校和大学的关闭。这些措施将伴生巨大社会经济成本。而且，要一直持续到出现疫苗为止。疫苗出现可能需要18个月或更长时间。这个战略的挑战在于，强有力的压制政策组合一旦放缓，病毒的流行会反弹。当然，可以考虑根据实际情况，间歇性地引进和放松各种压制战略措施。
　　这份报告的作者团队，是优秀的流行病学家。报告也使用了基于1927年开始使用的SIR模型的更新和高级的变种版本，数据的使用也是挖掘得很深入。因此，这篇报告影响深远，正像报告开篇所说，这个流行病模型的结果已知会英国和其他国家的政策制定者。3月份美国经济学家撰写的几篇有影响的经济学论文，也都充分吸收这份报告的成果。
　　
二、Ferguson报告对决策有何帮助，又带来了怎样的争论和困扰？
　　Ferguson的报告，并非没有争议。但是，它给我们描述了比较清晰的图景，是政策制定者和个人做决策的时候，必须纳入考虑的重要信息。
　　如何准确理解报告，并正确将报告成果纳入决策考量，则是一件更难的事情。
　　任何科学报告的结果，尤其是预测，都带有不确定性。而现实决策，则要求在信息不完备、充满不确定性的情况下，做出决策。这就需要凭借已有的科学信息和证据，更多的跨学科的信息和证据，还要有决策团队的权衡取舍，决策者的直觉和洞察力。
　　理性决策的死敌，是不确定性。人们面对不确定性的乖离行为反应，更加剧决策的困难。经济学里有个称为Ellsberg悖论的例子。有甲乙两个桶，各装有100个球，黑球和白球混杂。甲桶里有黑球49个，白球51个。乙桶里黑球和白球的个数不知，总数100。被实验者如果抓出黑球，奖励1000元。第一次试验，很多人选择甲桶。这意味着，对于这些人的主观猜测而言，乙桶里的黑球数目少于49个，否则他不会选甲桶。第二次试验，被实验者若选中了白球，给1000元奖金。试验发现，这些人同样还是选了甲桶而非乙桶。这些人的前后逻辑的不一致，凸显了不确定性下做决策时乖离理性的特点。原因何在，选择甲桶，里面的黑白球数量分明，得到奖金的机会是“安全的”和容易理解的。此例子说明了面对不确定性，决策面临的难题。另外，行为经济学还发现了损失回避（更不用说生命损失回避）等行为特征具有重大影响。列举这两个现象，并非炫耀专业术语，而是展现社会经济决策的困难，这些因素，都不在Ferguson报告的考虑范围。这两个例子显示出关于COVID-19决策，不得不考虑的因素。简言之，我们要有经济学的均衡思维，要考虑不同情形人们对激励的反应，要考虑乖离行为的影响，方能做出明智决策。
　　Ferguson的报告，给我们的决策带来有价值的依据，而并非简单的答案。有些信息则被误读。
　　报告认为，在没有疫苗的假设下，在现有对R0（基本传染数）的估计下，如果没有社会干预政策，其结局就是在不太长的时间里，大多数人都要被感染一遍，从而到达群体免疫状态，疫情的流行也就终止了。究竟多少人得病可以到达群体免疫状态从而流行终止呢？这跟一个神秘而关键的估计值R0有关（下文有讨论），Ferguson的报告认为R0是2.4，也有其他报告认为3以上。根据Greenstone的论文转述，如果没有政府措施，美国最终会有80%的人感染。默克尔的讲话里则认为德国最终会有60%～70%的人感染。差不多这就是达到群体免疫的感染数字。
　　很多人对这一流行病学模型结果的反应就是，要么有疫苗，要么群体免疫。甚至有人未加思索，认为既然早晚要靠群体免疫，那就尽快地放任早点达成群体免疫，一了百了。这种见解不仅愚蠢而且怯懦。
　　Ferguson报告的准确精神是，即便群体免疫在所难免，也要设计良策，尽量延后传染高峰的到来，削低峰值，从而使得对医疗体系的需求，在可以应付的范围内，最大程度地减少生命损失。只是这些延缓和削平峰值的政策，哪些有效，哪些成本收益比划算，需要更多信息的支持，需要决策者斟酌取舍。
　　如果群体免疫在所难免，那么社会干预政策，是否应该将疫情进程尽量平缓化，使其在拉得更长的数年时间里，达成群体免疫的结果。这是资源配置的经济学问题，不再是流行病学的问题。我们在文章后半部分就要探讨政策的收益和成本的权衡取舍问题。
　　也有人从Ferguson报告读出相反信息。报告认为政府无政策作为的情况下，美国最终累计有2.5亿～3亿人感染，因COVID-19病毒死亡220万人。一种极端观点认为，生命无价，我们不惜代价，不惜经济停摆，来遏制疫情，甚至使其消失。这个看法的偏颇在于压制疫情的政策是否做得到？短期做得到，那么可持续多久？政策造成的负面效果和成本（主要是经济衰退以及经济大幅衰退带来的间接后果）是否值得？疫情若是暂时被压制，数月之后随着压制政策的退出，疫情重新泛起，又回到了起点。
　　
三、SIR-MACRO模型如何把流行病学模型与经济模型结合？这对最优政策的含义是什么？
　　旷世罕见的COVID-19疫情的全球冲击，对医学研究比如研发疫苗提出要求，也对发展出更好的应对疫情的宏观经济政策提出要求。应对疫情，减少其损失，对政策制定者是挑战，对每一个人的个人决策也是挑战。不仅全球层面的领袖们，各级政府，而且每一个个人，都希望做出审慎而明智的决策取舍。这需要我们了解大名鼎鼎的流行病学SIR模型并能由此引发思考，组织证据和信息。
　　1927年两位研究者开始使用SIR模型研究流行病学问题，这个模型实际应用中有多种扩展。这里介绍一下教科书式的标准模型，使大家可以将其与经济行为结合，思考资源配置的决策问题。
　　模型里，全部人（N）被分为三组：第一组，潜在可感染病毒的人（S）。大家对COVID-19没抗体，开始的时候人人皆属此人群，称为易感人群。第二组，正在被病毒感染的人（I）。第三组，治愈（自愈）的人或者因感染死亡的人（R）。假设他们不会被再次感染。
　　这三组人，其实是三种健康状态，伴随疫情的进程，各组人数演变。SIR模型在于描述模拟这三个状态变量的演变过程。
　　一段时间，S会怎样变化呢？一些人感染了病毒，因此S人数会减少。S人数减少的量与两大类因素有关。一个因素是“S乘以I”，这个量表达了易感者与被感染者的互相接触的程度。当然，这里假设感染者和被感染者均匀混合在一起。事实上地理因素、阶层分化都说明人群并非均匀混合在一起。这些都可以由扩展该模型解决。另一个因素是文献里称作“贝塔”的东西，可以命名为感染率。这个感染率衡量的是，平均来看每段时间（比如每天）因为与感染者的接触，易感者被病毒感染的可能性。一段时间内，易感者人数减少的量，就是新感染病毒的人数，就是“贝塔”乘以“S*I”。
　　这个贝塔的测量，是臭名昭著的困难，尤其在疫情初发时期。而且，这个贝塔变动不居。可这个贝塔又是该模型模拟预测的核心。贝塔的大小取决于两者：一是病毒的生物学特征，是不是很容易使人感染。二是与感染源接触的次数，接触的紧密程度。病毒即便很容易传染，但是大家天天穿着防护服不接触，也形成不了事实上的传染。贝塔，是由病毒的生物学特征和接触的次数与接触紧密度共同决定的，可以理解为二者相乘。
　　贝塔取决于接触次数和亲密度的事实，就为无论是缓和战略还是压制战略，提供了空间。社会干预政策，可以通过隔离感染者，隔离传染源，强制社交疏离，鼓励自愿的保护行为，去影响与感染源接触的程度，从而影响所谓的贝塔大小，进而能够影响感染人数的增加，影响疫情的进程，即便不能消灭疫情。
　　流行病学的文献大概认为COVID-19的传播来自3个方面（家庭内部、工作场所或学校、生活社区与其他），约各占1/3权重。干预措施也大多针对这3个方面。
　　最近经济学家Eichenbaum等人写了一篇“流行病的宏观经济学”论文，便是在贝塔上做文章。该论文认为，贝塔与消费活动和工作都有关系。首先，贝塔是消费量的函数。尤其是服务业占主导的经济，疫情期间消费活动是决定贝塔的重要因素。比如你去看电影、去吃饭、去旅行，都是消费活动，都增加了感染的机会。回避风险的消费者，会权衡取舍，通过减少消费和消费活动，减少自己被感染的机会。这个探讨将疫情与经济活动的核心消费联系起来。这在流行病学家的传统模型里是缺失的。直观的结论，理性的消费者会权衡消费带来的愉悦和满意度，与因为消费活动而被传染的成本进行取舍，确定最优的消费活动。显而易见，疫情变得严重，消费者会激剧地减少消费活动，对经济造成巨大的需求冲击。
　　Ferguson团队的报告和大量关于集体免疫及其实施战略的思考，都没有考虑人们的这种反应。此前讨论这个问题，大家斟酌的是社交疏离等政策带来的经济衰退的巨大成本值不值得，这是对问题的错误提问。没有政府强制的社会疏离政策，人民大众在面对感染风险增加的时候，也会采取减少被感染的回避行为，其途径之一就是减少消费，这种导致消费需求巨大下降的回避行为，对经济的影响很大，制定疫情的战略，必须将之纳入考虑。那些认为没有经济停摆的强制政策，经济就会恢复正常的想法，不仅天真，而且简直是“痴心妄想”。人们究竟减少多少消费活动以自保，取决于人们的偏好和对感染风险的评估。因此，要想让消费活动下降得少点，就要让人们感觉被感染的风险小点。把感染者人数压制在一个能接受的水平上，才是政策的核心。因此我们要问的是，我们需要多大强度的压制政策，而不是要不要压制政策。
　　人们会通过消费活动的减少，来回避感染风险，人们还会通过减少劳动供给，来减少自己在工作场所感染的风险。这是Eichenbaum等人的论文所使用的第二个影响贝塔的机制。前文提到1/3的感染发生在工作场所和学校，因此人们在做劳动决策的时候，也会斟酌平衡劳动带来的报酬与被感染的风险，做出最优的劳动供给决策。无疑，感染风险的增加会严重地减少劳动供给。这会进一步加剧经济衰退的深度。后文有一些示意性的定量说明。
　　我们介绍SIR模型里的S，即易感人群如何受到传染源的感染而人数下降，强调了传染率贝塔的决定因素，并建议应该将人们对消费活动和劳动决策因为疫情而做的调整，纳入研判疫情进展和经济影响的决策考虑。
　　SIR第二个组成部分，就是感染人数（I）的变化。两个因素决定其变化：新增感染人数，这部分与S的减少量相同；另一部分是治愈或死亡的人数（专业术语叫移除率）。二者之差，就是感染人数I的变化。
　　SIR中的第三个部分，获得免疫的治愈人数和死亡人数的变化。这里尤其是死亡人数，取决于病毒的特点，更取决于医疗体系的能力。这个死亡率，不是一成不变的，当医疗体系过载被挤兑，医疗资源匮乏，死亡率可以有数倍的提高。这个参数的评估，也极大地影响了战略选择。如果医疗资源能力很强，COVID-19的致死率很低，像某些人希望的那样，就是一次大型的流感而已，那么社会经济的战略选择会很不一样。如果发展中国家，人均医疗资源匮乏，疫情大面积流行，其死亡率可能很高，就会引发人道灾难。
　　文献和各种报道里所说的R0，其实就是“贝塔除以治愈率和死亡率”，分子是贝塔，分母是移除率，称为基本传染数（basic reproduction number）。其含义很清楚，一个典型的带病毒的被感染者，感染他者的人数预期值（或平均数）。比如R0=3，意味着一个病人平均会让其他3人感染。如果R0>1，感染病爆发，疫情将流行直至群体免疫。R0<1，传染病影响很小，将会很快消失。R0=1，乃“刀刃”问题，不值得花时间在此讨论。自然杂志发表的王姓作者的论文认为，随着疫情演变，武汉的R0从2以上降低到小于1，最后接近于0。必须清楚，这是在感染者无论轻症还是重症全部隔离，社区隔离，社交疏离，经济大部分非关键部门停摆的基础上实现的结果，这些手段极大地降低了这里的贝塔，从而极大地降低了R0。难题是，如果取消这些政策，R0会逐渐回调到多大？
　　标准SIR模型，如果能未卜先知地获得感染率、治愈率和死亡率等准确参数，模型就能比较准确地描摹出易感人群S，受感染人数I，以及治愈及死亡人数R，在每个时刻的数值。概而言之，没有免疫的易感人群人数随时间会非线性地下降。而治愈者和死亡者人数R会随时间非线性地上升。每个时刻的感染人数I会随时间呈现一个钟形曲线，前一段比较少，随着指数增长的力量迅速形成一个峰值，然后迅速减少，因为大多数人都被感染过了，没那么多易感人群可供感染了。
　　SIR-MACRO模型，在贝塔的决定因素里，内生考虑了人们会通过减少消费活动和减少劳动供给来减少社交次数和接触密度，从而减少染病风险。将SIR模型与一个标准的动态宏观经济模型结合在一起来看疫情的演进，不同的应对疫情的战略及其对消费、就业和GDP的影响。
　　疫情会影响消费和供给。2020年，伯南克和耶伦在3月19日写道，近期公共健康政策目标要求人们待在家里，减少购物和停止非关键部门的劳动生产，因此经济的产出、就业和消费将无可避免地下降。
　　SIR-MACRO模型里，人们最大化自己现在和以后各期的效用函数，效用函数由消费和闲暇数量决定，约束条件是劳动带来的收入，用以满足人们的消费。这是经济学家的看家功夫，谈论的是人们跨期的理性决策。企业当然是利润最大化的企业，因为讨论问题的需要，作者省略了资本积累，只考虑劳动投入，并且假设线性的成本函数。疫情的冲击，可以表现为生产率的下降。疫情被当作供给冲击，是各类经济评论家的出发点。
　　下文会提到MIT和芝加哥的一篇论文讨论供给冲击如何引发更大的需求不足，并且给疫情导致的这种现象起了个名字，叫“凯恩斯式的供给冲击”。说白了，如果只是供给冲击，大家的生产率下降，这样纯粹的供给冲击，不需要所谓的短期宏观需求政策。也就是既不需要宽松的货币政策，也不需要宽松的财政政策，因为这些政策对供给冲击不仅没用，反而有害。人们呼吁政府不要大水漫灌，不要刺激等观点，皆基于此。
　　SIR-MACRO模型对SIR模型做的修正就是，传染率贝塔是消费量和劳动工作时间的函数，减少消费和减少劳动供给，会减少贝塔，减少被感染的概率。在标准的宏观模型部分，效用函数考虑了人们被感染的概率。论文作者用这个简洁的模型澄清了以下重要问题。
　　1．论文假设没有疫苗的情况，最终美国要达到群体免疫。这些都遵循Ferguson模型。不考虑人们会减少消费和劳动来减少被感染风险的情况下，疫情只有健康的损失，即美国到达群体免疫过程中累计死亡100万人，经济衰退很轻微，消费下降也很小，第一年仅下降0.7%。疫情的长期影响，计算的方法也很简单，损失了多少劳动力，就影响多大，数量级也是1%左右。这个传统模型的预测结果，天真得很。放在这里，是为了对比需要。
　　2．考虑了人们自觉地减少消费活动和减少劳动时间的回避感染的行为，情形大为不同。模型显示，消费会下降5%，GDP差不多也下降5%。疫情的高峰到来的时间也约略后延两个星期，死亡人数从100万减少到80万。我个人认为该模型赋予的参数低估了消费和产出的下降，我猜测的数字也许应该两倍。
　　3．放任疫情自然演进，人们在个人基础上自我调整行为，这样的市场竞争均衡结果是不是社会最优呢？不是。因为坚持去购物和去劳动的人，虽然经过了理性而审慎的权衡计算，做出了符合个人最优的决策，但是这些人在做成本收益取舍的时候，没有把自己带给其他人感染的概率增加考虑进来。人们的消费、劳动和其他社交行为，在疫情期间有很大的外部性。因此人们的消费行为和劳动行为，与社会最优的水平而言是过高了。因此，论文假设政府通过一些政策纠正了这种外部性，换言之，使得人们在做消费和劳动决策的时候，内生地考虑了对他人造成的感染成本。在政府施加一些强制的社交疏离政策下，论文模拟的结论是，消费和GDP会下降20%，失业增加20%以上。疫情高峰来临的时间也大幅延后，死亡人数会下降一半。这是论文最具启发力的部分，即便没有疫苗，最终要靠群体免疫，政府强制的某些社交疏离政策和忍受更大的经济衰退，是社会最优的结果。
　　4．作者将模型扩展，考虑了两个有意思的情形。（1）疫苗有某个概率出现；（2）死亡率会因为医疗资源不足，随着感染人数的增加而加大。那么模型显示，最优的政府强制政策应该更早进行，而且力度应该更大，坚持的时间更久。当然消费和GDP产出会下降得更多，超过20%。
　　5．道理很简单，政府强制执行的设计良好的社交疏离政策，是纠正个人行为外部性的必要举措。政府的政策力度，显然也要权衡政策的收益和政策的成本。论文给出的精神是，感染人数越多，政府干预疫情的压制政策力度也要越大。
　　
四、如何看待各国的政策？
　　第一，没有什么理由放弃积极有为的抗击疫情的政府政策。群体免疫的概念，不能误读，不能得出结论——面对疫情要放任自流。人们的个体行为有负的外部性，没有考虑自己带来的感染给他人造成的成本，政府强制干预政策是必要的。任何国家都不具备疫情高峰时候的医疗体系的充足服务能力，发达国家的挑战也很大，高峰时期对ICU的需求数十倍于服务能力，发展中国家则会出现更大的人道灾难。因此政府强力干预，延缓疫情高峰的到来半年甚至更长，是有极大价值的。不能因为担心政策解除，疫情重返，而认为努力白费。
　　第二，疫苗18个月出来的概率，并非完全外生，更不是0与投入的资源和全球的科技合作是结合在一起的。科技应该扮演重要角色，社会经济政策显然应该为出现疫苗这种可能性争取时间。这就是疫情压制战略的合理性所在。
　　第三，没人知道当疫情高峰到来死亡率是否是现在估计的不足1%（1%，这是一个下限估计值）。大概率事件，当医疗服务能力过载，面对数十倍服务能力的需求的时候，其灾难性后果难以承担。这种不确定性下的决策，绝不应该是鲁莽之理，英国首相当初刚刚露出要任由疫情发展尽快达成群体免疫的想法，就是鲁莽的典范，也是对群体免疫概念的误用。随后迅速调整了战略。延后疫情高峰的到来，尽量拖延时间，削平峰值，才是王道。即便最终没有疫苗，那么人道灾难也显然被减缓了很多。
　　第四，寄希望于最好结果，从最坏结果处做准备。疫情如同SARS那样莫名其妙消失，虽然可能性很小，但是其概率真的是0吗？为何要放弃这种可能性。疫苗虽然周期长，其可能性也不应该被放弃。我们应该研究和评估的是如何以最小的经济牺牲，尽量长地延后疫情，削平峰值。
　　第五，疫情持久战下，一个国家的经济部门应该被甄别区分为两类：关键部门和非关键部门。经济统计与决策部门，应该随时观测经济关键部门的运行情况，这是底线思维。不做出产业的关键与非关键部门的区分，就不会有真正的经济安全。那些叫嚷全球产业链受冲击，全球化使得鼓励经济变得脆弱，以及各种疫情之下的种族主义、民粹主义沉渣泛起，都会干扰一个国家的明智决策。将经济区分为关键部门与非关键部门，就知道底线在哪里，就可以大胆地开放和卷入全球化的进程中。
　　第六，高质量增长的要求，满足人们对美好生活的向往的要求，对抗充满不确定性疫情的要求，都要求政府加大对医疗卫生事业全方位的投入。从科技投入到健康基础设施，到医疗产品的生产能力建设，到沉入社区的健康机构，到卫生健康领域的体制机制改革和人力资源建设，现在正是政策应该发力的时候。今年财政投入两万亿，全面强化大卫生领域，将为历史证明是最明智的政策。各种模型估算，到达群体免疫的过程中，美国最高峰时候感染者人数是总人口的10%～20%。1%的感染人数在美国就是330万人，被认为超过了健康体系的负载。中国第一阶段抗击疫情成功，为我们赢得了加快加强医疗应急能力的宝贵时间，这些时间若被浪费了，真对不起历史。中央强调要防范疫情与复工复产恢复经济活力并举，市场的参与者也要深谋远虑，如何参与健康产业，如何满足疫情中的人们防范性的需要。
　　第七，检测、检测，还是检测。要防范疫情与稳定经济并举，必须加大检测技术的科技投入和产能，必须进行国际合作，这是压制性战略可持续的基础。将所有的人都进行社交疏离，没有经济体可以长期承担。但是如果能够快速准确甄别谁被感染了，只针对感染者及其家属隔离，则压制战略的机会成本要小得多。美国的专业人士提议，全部社交隔离不可行的情况下，要随机地对健康人群进行检测，尽快发现感染者予以隔离。这样那些没有免疫力的易感人群，劳动投入和消费有所减少，感染者被隔离，治愈者大胆投入社会生活，多消费和多劳动。这样的政策，持续性会更强，社会经济成本会更低。发展准确快速检测技术，是压制战略的关键。这种“smart containment”在SIR-MACRO模型的实验中，可以减缓经济衰退程度1/3。
　　第八，有观点认为，外国实现了群体免疫，中国没有，这样的免疫落差会让中国失去优势。恰恰相反，若是某些国家没有能力，放任大自然短时间内完成群体免疫，其人道灾难将是历史上罕见的，后续的社会经济动荡无休无止，何谈相对于中国的优势？！3月份有篇论文考察了历史死亡人数比较多的15次瘟疫及其影响，其对社会经济影响、利率和资本收益率的影响长达三四十年。
　　
五、经济政策的讨论，应该扩大视野
　　将流行病学的智慧与经济学结合起来，是必要的。更多的跨学科研究，对于解决人类面临的如此大的健康冲击，也是必要的。美国麻省理工学院、芝加哥大学和西北大学几位重量级的新锐，最近有篇论文获得广泛注意——“COVID-19的宏观经济含义：短期负面的供给冲击会否引起需求不足？”
　　答案是疫情造成的供给冲击，会引发比供给冲击大很多的需求冲击。作者认为COVID-19带来的企业关闭、减少用工，或者企业歇业，就属于此类“凯恩斯供给冲击”。如果经济只有一个部门，不会发生这种凯恩斯供给冲击。但是一个50%的冲击所有部门，跟一个100%的冲击经济一半部门是不同的。不完全市场会使凯恩斯冲击更容易出现。这篇论文的政策含义是，需求既然会因为凯恩斯式的供给冲击而不足，那么扩大总需求的政策势在必行。
　　这篇文章认为单独财政政策的效力不够，因为某些部门的关闭会削弱凯恩斯乘数的作用。结合宽松的货币政策，会加大其效力。
　　进而，文章认为对因为疫情而关掉的部门，直接给予其员工全部失业保险是很好的政策。无独有偶，克拉克奖获得者Saez教授也著文呼吁，财政政策应当扮演最后的购买者角色。举例说，航空公司因为社交疏离的防疫政策，损失了90%的收入，那么财政给予其90%的补偿，免于其破产，是应对良策。
　　中国的财政政策，我重申在央视财经频道直播中的观点：大幅度举债的财政政策是必需的，其中心在三个方面。
　　（一）大力投入医疗卫生领域内的建设，这既是谋求长远，也是应对不确定性的疫情所必需。数月后甚至一年后疫情反弹，我们应该有更强大的医疗健康体系予以应对。无论是压制性的还是缓和性的疫情应对战略，都要利用间歇期，加强卫生部门的能力建设。投资多少，都会有回报，尤其在疫情不确定性甚大的情形下。高质量经济增长，小康社会建成，题中应有之义，就应该包含健康社会的理念，医疗卫生领域的建设，是未来需求增长最大的部分。
　　（二）支持和救助受疫情影响的个人和中小企业。Saez所说的财政作为最后购买者角色的意见，Werning等人所说的给予受影响的中小企业员工直接的收入支持计划，都是中国也该实行的。凯恩斯式的供给冲击造成的需求不足，必须给予重视，必须创新政策手段。
　　（三）投入到所谓新基础设施，5G等高科技产业的投资和发展。我乐意强调，新基建不应该只是从技术意义上定义何为新基建。中国已经进入社会消费时代，各种硬的软的社会基础设施建设，是满足民生幸福的重要部分。这部分市场力量卷入不多，政府投入不够，是短板。
　　
　　（本文经陈玉宇教授本人同意刊发，原文4月9日发布于北京大学光华管理学院官网、新浪财经意见领袖专栏。）
　　
专家简介　　
　　陈玉宇，北京大学光华管理学院应用经济学系教授、北京大学经济政策研究所所长，教育部长江学者特聘教授。致力于经济发展和生产率、人力资本和增长、健康和污染、行为经济学与劳动市场、收入分配、地区差异等领域的研究，成果发表于《美国国家科学院院报》（PNAS）等国际学术杂志。国家自然科学基金杰出青年科学基金获得者，曾被授予教育部高校社会科学优秀成果奖二等奖、厉以宁研究奖、北京大学优秀教学奖等。