Koppelen 910Leon Willenborg en Nico Heerschap - CBS

Begrip Omschrijving
Ontdubbelen De records uit een bestand halen, op één na, die meerdere keren
voorkomen, die allemaal op eenzelfde eenheid (in een bepaalde periode)
betrekking hebben.
Primary key Zie: primaire sleutel
Primaire sleutel Primaire sleutel is (in databasetechnologie) de benaming voor een variabele
of een combinatie van variabelen die voldoet aan volgende eisen :
- de waarde van de variabele (of van de combinatie van variabelen) is uniek
binnen de tabel (of dataset) en bepaalt dus eenduidig het record waarin hij
voorkomt.
- de variabele (of de combinatie van variabelen) is overal ingevuld en kan
dus niet leeg zijn.
De combinatie van variabelen is minimaal: door het laten vallen van één
van de variabelen wordt de record niet langer meer eenduidig bepaald
Wanneer gerelateerde tabellen verwijzen naar de tabel waarin de variabele
(of combinatie) van variabelen voorkomen, wordt deze gebruikt om een
relatie tussen tabellen tot stand te brengen.
Voorbeelden zijn BSN en RIN-nummer voor personen, en BEID voor
bedrijven.
In de statistische beveiliging worden dergelijke variabelen ook wel directe
identificatoren genoemd. Helaas worden daar variabelen als naam, adres,
woonplaats, etc. ook directe identificatoren genoemd. Die zijn hier
uitdrukkelijk niet bedoeld. Dergelijke variabelen worden in dit stuk
secundaire sleutels genoemd.
Probabilistisch koppelen Koppelen met als doel om informatie van dezelfde eenheden bij elkaar te
zoeken, waarbij de scores op de koppelvariabelen niet per se hetzelfde
hoeven te zijn. De verschillen kunnen diverse oorzaken hebben:
1. er zitten waarnemings- of verwerkingsfouten in de scores
2. de eenheden in beide bestanden zijn op verschillende tijdstippen
waargenomen, of
3. koppelvariabelen in de verschillende files zijn niet exact hetzelfde
gedefinieerd en hebben mogelijk andere domeinen.
Record linkage Engelse aanduiding voor koppelen; zie aldaar.
Referentiële integriteit In een relationele database is dit het uitgangspunt dat de interne
consistentie tussen de verschillende tabellen binnen die database wordt
gewaarborgd. Dat betekent dat er altijd een sleutel in een tabel bestaat als
er in een sleutelveld, kan ook een foreign key zijn, in een andere tabel naar
wordt verwezen. Database systemen waarborgen de consistentie en zorgen
er voor dat een transactie die de consistentie doorbreekt niet kan worden
doorgevoerd. Voorbeeld: er bestaat een tabel (1) met regiogegevens,
geïdentificeerd door de postcode. In een andere tabel (2) wordt de postcode
gebruikt om aan te geven in welke regio iemand woont. Referentiële
integriteit zorgt ervoor dat de postcodes in tabel 2 altijd terug te vinden zijn
in de tabel 1. Het kan niet zo zijn dat postcodes in tabel 1 worden verwijderd
als deze nog voorkomen in tabel 2, dan wel als primaire, secundaire of
foreign key.
Restant Records die niet koppelbaar bleken bij een koppeling van twee bestanden.
In sommige gevallen is het ongewenst dat er restanten overblijven en
moeten ze worden ‘weggewerkt’ door extra koppelingen te realiseren.
RIN Record Identificatie Nummer. Een primary key die door het CBS wordt
gebruikt ter vervanging van ook buiten het CBS bekende sleutels als BSN.
Dit gebeurt op basis van privacy overwegingen.
Samengestelde eenheid Een eenheid die is samengesteld uit eenheden van een lagere orde. Een
huishouden is een voorbeeld van een samengestelde eenheid; de personen
die in een huishouden aanwezig zijn, zijn in dit geval eenheden van een
lagere orde.
Samenhangende graph Een graaf waarin alle punten verbonden zijn en dus één component
vormen, heet een samenhangende graaf.
Samenhangscomponent (van een
graph)
Binnen een graaf is een component een aantal knopen van de graaf die
onderling alle verbonden zijn via een pad. Ook wel een (maximale)
subgraph met deze punten plus de kanten van graph G met als eindpunten
de punten uit de samenhangscomponent. Deze subgraph is een
samenhangende graph. Hij is maximaal omdat er niet nog een punt aan kan
worden toegevoegd zodanig dat de uitgebreide puntenset samenhangend
is.
Secundaire sleutel Een combinatie van variabelen die gebruikt kunnen worden bij de
identificatie van eenheden, maar die niet bedoeld zijn als primaire sleutel.
Vaak gaat het om (een combinatie van) variabelen zoals naam, adres,
woonplaats, geboortedatum, beroep, opleiding, geslacht, e.d. Elk van deze
variabelen zelf kan het record niet identificeren, maar de combinatie ervan
kan gebuikt worden als proxy voor een primaire sleutel, mocht die
12