"The Determinants of Household Net Wealth in Indonesia: Application of Quantile Regression"

-

We are grateful that our publication titled "The Determinants of Household Net Wealth in Indonesia: Application of Quantile Regression" authored with Susan Olivia and Les Oxley (the University of Waikato, New Zealand) is published at the Journal of Southeast Asian Economies Vol. 41, No. 2 (2024), pp. 152–78

Abstract

Estimation of the determinants of household net wealth that consider heterogeneity across income classes using only average values can lead to faulty interpretations. This paper controls for such variation in classes in relation to efforts to increase household wealth by applying quantile regression using Indonesian household data. For this purpose, the study uses the Indonesian Family Life Survey, using five waves of the survey from 1993 to 2014. Empirical findings show that heterogeneity in household characteristics across classes can influence wealth, with major differences between urban and rural households. Some significant contributors include household size, years of schooling of household head, intergenerational money transfers and agriculture as the main employment sector. Some variables that display an increasing pattern with higher returns for higher classes are years of schooling of household heads and intergenerational money transfers. Meanwhile, the variable with a decreasing pattern is agriculture as the main employment sector.

Keywords: household net wealth, heterogeneity, average value, quantile regression, Indonesia


Citation: 

Soseco, T., Olivia, S., Oxley, L. (2024). The Determinants of Household Net Wealth in Indonesia: Application of Quantile Regression. Journal of Southeast Asian Economies. 41(2):152–78

https://bookshop.iseas.edu.sg/publication/7929#contents

Popular posts from this blog

Skewness dan Kurtosis

-
Image
Pada statistika, dikenal istilah skewness dan kurtosis. Skewness adalah ukuran ketidaksimetrisan dalam distribusi nilai. Skewness dapat bernilai positif, negatif, dan nol. Skewness yang bernilai positif berarti ekor distribusi berada di sebelah kanan nilai terbanyak. Berarti, sebagian besar distribusi berada di nilai rendah. Skewness yang bernilai negatif berarti ekor distribusi berada di sebelah kiri, menunjukkan bahwa sebagian besar nilai berada di sisi kanan kurva. Sementara skewness bernilai nol berarti nilai terdistribusi secara simetris, dengan jarak antara ekor distribusi sebelah kanan dan kiri sama besar. Sumber: https://en.wikipedia.org/wiki/Skewness Kurtosis adalah indikator untuk menunjukkan derajat keruncingan ( tailedness ). Semakin besar nilai kurtosis maka kurva semakin runcing. Nilai referensi kurtosis adalah 3. Jika nilai kurtosis lebih besar dari 3, maka kurva distribusi disebut leptokurtik. Sementara jika lebih rendah dari 3, maka disebut platikur
Read more

Intelligence Quotient: Apakah Miskin membuat Bodoh atau Bodoh Membuat Miskin?

-
Image
Edisi the Economist (11/07) berfokus pada kualitas sumber daya manusia. Salah satu alat ukur kualitas sumber daya manusia adalah kecerdasan atau  intelligence quotient (IQ). Angka IQ yang tinggi berarti manusia tersebut lebih berkualitas bila dibandingkan dengan orang yang memiliki IQ lebih rendah. Publikasi World Population Review menunjukkan pada tahun 2017, Indonesia memiliki rata-rata IQ sebesar 78,49. Posisi Indonesia lebih rendah dibandingkan negara-negara tetangga seperti Singapura dengan rata-rata IQ 105,89, Kamboja (99,75), Thailand (88,87), dan Malaysia (87,58). Rata-rata IQ Indonesia kurang lebih setara seperti Oman (78,7) , Kuwait (78,64), Papua Nugini (78,49) dan Ekuador (78,26).  Pemilik rata-rata IQ tertinggi di dunia adalah Jepang dengan IQ 107,48. Peringkat kedua adalah Taiwan dengan rata-rata IQ 106,47 kemudian Singapura di posisi ketiga dengan rata-rata IQ 105,89. Posisi berikutnya adalah Hong Kong (105,37), China (104,1), Korea Selatan (102,35), Belarusia (101,6), d
Read more

IFLS: Mencari Variabel

-
Image
RAND Indonesian Family Life Survey (IFLS). Sumber: Google The Indonesia Family Life Survey (IFLS) merupakan sumber data longitudinal yang banyak digunakan peneliti untuk mengetahui kondisi sosioekonomi, kesehatan, pendidikan untuk rumah tangga dan individu di Indonesia serta kondisi komunitas dalam hal karakteristik, fasilitas pendidikan, dan kesehatan.  IFLS pertama kali diselenggarakan tahun 1993 (IFLS1) yang menyurvei 7.224 rumah tangga yang tinggal di 321 Enumeration Area di 13 provinsi di Indonesia. Kemudian survei-survei berikutnya dilaksanakan di tahun 1997 (IFLS2), 2000 (IFLS3), 2007 (IFLS4), dan 2014 (IFLS5). Berbeda dengan cross section survey yang mengumpulkan informasi responden pada suatu saat tertentu, longitudinal atau panel survey mengumpulkan informasi dari responden yang sama dari waktu ke waktu.  Data, publikasi dan dokumentasi penunjang IFLS tersedia di website RAND Identifier (ID) di IFLS Ada berbagai macam identifier (ID) di IFLS, yakni ID untuk rumah tangga ( hou
Read more

Tantangan bagi GoPay dan Dompet Digital Lain

-
Image
Bulan Juli 2019, Gojek mengumumkan masuknya Visa sebagai investor. Tidak hanya membawa uang, namun Visa juga membawa teknologi pembayaran bagi Gojek. (Sumber: Reuters )  Bagi Anda pengguna Gojek, mungkin selama ini merasa aneh kenapa Gojek di Indonesia tidak punya fitur pembayaran dengan kartu kredit/debit seperti halnya Grab atau Uber. Hanya ada pilihan pembayaran dengan tunai dan/atau GoPay. Dalam kaitannya dengan GoPay, Gojek di Indonesia lebih memilih bermitra langsung dengan beberapa bank atau non-bank sebagai mitra pembayaran Gopay. Pelanggan bisa top-up GoPay dengan transfer bank, bayar di ATM atau channel pembayaran bank, atau bayar di kasir di minimarket. Jenis transaksi seperti inilah yang malah terus dipromosikan Gojek. Sebaliknya, kerjasama Gojek dengan Visa diarahkan untuk mendukung Gojek dalam ekspansi internasional. Ekspansi Gojek ke negara-negara di kawasan Asia Tenggara seperti Vietnam, Singapura, dan Malaysia membutuhkan sistem pembayara  yang lintas negara
Read more

The Prize in Economic Sciences 2019: Research to Help the World’s Poor

-
Image
What is the best way to design measures that reduce global poverty? Using innovative research based on feld experiments, Abhijit Banerjee, Esther Dufo and Michael Kremer have laid the foundation for answering this question that is so vital to humanity. Over the last two decades, people’s living standards have noticeably improved almost everywhere in the world. Economic wellbeing (measured as GDP per capita) doubled in the poorest countries between 1995 and 2018. Child mortality has halved relative to 1995, and the proportion of children attending school has increased from 56 to 80 per cent. Despite this progress, gigantic challenges remain. Over 700 million people still subsist on extremely low incomes. Every year, five million children still die before their fifth birthday, often from diseases that could be prevented or cured with relatively cheap and simple treatments. Half of the world’s children still leave school without basic literacy and numeracy skills. A new approach to
Read more

Piramida Distribusi Kekayaan Masyarakat Indonesia

-
Image
Menarik mencermati pemberitaan detikcom (19/10) yang berisi pernyataan bahwa hanya 1% masyarakat Indonesia yang menikmati kekayaan sementara 99% sisanya hidup pas-pasan bahkan sangat sulit. Sontak, berita ini menjadi perhatian publik.  Pertanyaan yang muncul berikutnya adalah bagaimana sebenarnya kondisi kehidupan mereka yang tidak termasuk dalam kelompok elit 1% ini. Apakah semuanya hidup pas-pasan? Tentu saja, pengamatan atas kondisi mereka sangat sulit. Akan lebih mudah mengamati atau mengukur orang-orang yang berada di kelompok ekstrem atas (orang yang sangat kaya) atau ektrem bawah (orang yang paling miskin).  Orang-orang yang masuk ke dalam 1% orang terkaya di Indonesia adalah mereka memiliki harta atau aset yang sangat banyak.  Artikel ini difokuskan pada kekayaan, dan bukannya pendapatan. Kekayaan rumah tangga lebih mampu merefleksikan kondisi kesejahteraan rumah tangga tersebut.  Kamus Besar Bahasa Indonesia juga memberi definisi kaya adalah mempunyai banyak ha
Read more

Peta Kemiskinan Kabupaten Malang

-
Image
Kabupaten Malang memiliki persentase penduduk miskin yang tergolong rendah di Indonesia atau di antara kabupaten/ kota lain di Provinsi Jawa Timur. Pada tahun 2021, angka kemiskinan di Kabupaten Malang mencapai 10,50%. Sementara kabupaten/ kota dengan tingkat kemiskinan tertinggi di Jawa Timur adalah Sampang (23,76%), Bangkalan (21,57%), dan Sumenep (20,51%) Namun bila dilihat dari angka absolut, Kabupaten Malang tergolong dalam jajaran kabupaten/ kota yang memiliki jumlah penduduk miskin terbanyak di Indonesia dengan jumlah penduduk miskin 276,58 ribu jiwa pada tahun 2021. Jumlah ini menempatkan Kabupaten Malang di posisi keempat nasional, sementara posisi pertama kabupaten/kota dengan jumlah penduduk miskin terbanyak tahun 2021 adalah Kabupaten Bogor dengan jumlah penduduk miskin 491,24 ribu jiwa kemudian disusul Kabupaten Brebes (314,95 ribu jiwa) dan Kabupaten Garut (281,36 ribu jiwa). Gambar 1 . Peta Kemiskinan Provinsi Jawa Timur, 2015 Banyaknya jumlah penduduk miskin di Kabupate
Read more