Koppelen 910Leon Willenborg en Nico Heerschap - CBS

Begrip Omschrijving
geschikt als primaire sleutels. Andere (als naam, adres, etc.) zijn geschikt
als secundaire sleutelvariabelen. Zie ook: indirecte identificator.
Dissimilarity measure Een maat om de ongelijkheid van twee objecten of entiteiten uit te drukken.
Lijkt enigszins op een metriek. Tegenovergestelde begrip: Similarity
measure.
Drempelwaarde Zie: cut-off-waarde
Enkelvoudige eenheid Een eenheid die (voor het koppelprobleem in kwestie) niet is samengesteld
uit eenheden van een lagere orde, ook wel enkelvoudige (of atomaire)
eenheid genoemd. Een persoon is voor het CBS een enkelvoudige eenheid.
Voor een arts kan het een samengestelde eenheid zijn, namelijk wanneer
deze een persoon beschouwd als een samenstel van organen. Of een
eenheid als enkelvoudig of samengesteld wordt beschouwd hangt van het
koppelprobleem in kwestie af. Tegengesteld aan samengestelde eenheid.
ETL Extract Transform Load. Een set operaties om een externe data-set
geschikt te maken om (bij het CBS, zeg) verder bewerkt te worden. Deze
operaties kunnen erop gericht zijn dataformaten om te zetten, nieuwe
variabelen aan te passen, gebruikte coderingen om te zetten naar
coderingen die het CBS hanteert, etc.
False negative match Zie: Gemiste koppeling
False positive match Zie: Miskoppeling
Fellegi-Sunter methode Koppelmethode beschreven in Fellegi en Sunter (1969). Voor een korte
bespreking van deze methode zie Appendix A.
Foreign key Een sleutelwaarde, die wel in een record voorkomt maar niet gericht is om
het record zelf te identificeren. Een foreign key bevindt zich derhalve buiten
de sleutel van een dataset.
Een foreign key is bedoeld om een koppeling te kunnen maken met een
record in een andere dataset waarin bijvoorbeeld additionele gegevens op
basis van die sleutel zijn opgenomen. Voorbeeld: in een record van een
bedrijf, dat geïdentificeerd wordt door een Beid, is ook een unieke code, als
foreign key, opgenomen van de regio waarin het bedrijf actief is. In een
andere dataset is de code van de regio de primaire sleutel met additionele
gegevens over de regio, zoals het aantal inwoners, de gemiddelde omzet
van de bedrijven in die regio, de oppervlakte van de regio, e.d. In een
record met persoonsgegevens, uniek geïdentificeerd door een BSN, kan
men denken aan een verwijzing naar het bedrijf waar iemand werkt.
Daarvoor kan bijvoorbeeld een code (bijvoorbeeld Beid) worden gebruikt.
Een andere dataset, waar de Beid de sleutel is, bevat gegevens over het
bedrijf waar de persoon werkt. Een foreign key is vaak een verwijzing naar
een ander eenheidstype dan waar het record zelf betrekking op heeft, maar
dat hoeft niet. Denk bijvoorbeeld aan gegevens van een werknemer met
een verwijzing naar zijn baas. Beide zijn van het type persoon en beide zijn
aan te duiden met een personeelsnummer.
Gemiste koppeling Koppeling die ten onrechte niet gemaakt is.
Gewicht Zie: koppelgewicht
Graad
Zij G = ( V , E)
een graph. De graad van een punt v in V het aantal
kanten e in E waarvoor geldt: v ∈ e .
Graadrestrictie Beperking met betrekking tot de graad van een deel van de punten van een
graph
Hamming-afstand Afstand tussen twee records op een koppelsleutel, gemeten door het aantal
variabelen te tellen waar de waarden verschillend zijn.
Incidentiematrix
0-1 matrix J die voor een graph G = ( V , E)
aan geeft wat de relatie is
tussen kanten in E en punten in V. Stel | V | = n , | E | = m en J is de
m × n matrix met J ( i,
j)
= 1als
punt j op kant i ligt, en J ( i,
j)
= 0
anders.
Indirecte identificator Een variabele die gebruikt kan worden om (sommige) entiteiten in een
populatie op te sporen, maar die geen directe identificator is. Voorbeelden
zijn: woonplaats, beroep, leeftijd, geslacht. Indirecte identificatoren zijn
kandidaten voor secundaire sleutels.
Variabelen die geen directe of indirecte identificator zijn drukken
bijvoorbeeld meningen, opinies, opvattingen e.d. uit. Dergelijke variabelen
zijn niet geschikt als secundaire koppelsleutels. De scores van eenheden
op dergelijke variabelen zijn in het algemeen niet publiek, en bovendien
kunnen ze fluctueren in de tijd.
Indirect identifier Zie indirecte identificator
Integer programming Een speciaal geval van lineair programmeren, waarbij de variabelen die in
het optimaliseringsmodel voorkomen integers zijn en geen reële getallen.
10