Koppelen 910Leon Willenborg en Nico Heerschap - CBS

2. Overzicht van de koppelproblematiek
2.1 Wat is koppelen?
Koppelen is het bij elkaar brengen van de informatie van twee of meer records, waarvan gedacht
wordt dat zij betrekking hebben op dezelfde eenheid zoals persoon, bedrijf of regio (zie
Newcombe, 1988). Bij het koppelen worden gewoonlijk records, aanwezig in bijvoorbeeld twee
verschillende files – koppelbestanden genoemd – bij elkaar gezocht op basis van verschillende
criteria en randvoorwaarden.
Het koppelen gebeurt in twee stappen, namelijk:
1. eerst wordt nagegaan welke records koppelkandidaten zijn, en
2. vervolgens wordt uit alle mogelijke koppelkandidaten de beste subset gekozen, die aan
bepaalde randvoorwaarden voldoet (bijvoorbeeld dat geen enkel record aan twee of meer
records gekoppeld mag zijn).
In hoofdstuk 4 wordt nader ingegaan op beide stappen en de eisen die worden opgelegd aan
toelaatbare oplossingen, waaruit de beste uiteindelijk dient te worden bepaald.
Figuur 2.1: Samengestelde primaire sleutel
personen Jaar, maand, volgnummer
2009, 01, 21
2009, 01, 22
2009, 01,23
2009, 02, 01
2009, 02, 02
2009, 2, 03
2009, 02, 04
2009, 03, 01
In dit stuk behandelen we twee groepen van koppelmethoden. 2 In de eerste groep wordt op basis
van een koppelcriterium in de vorm van een beslisregel, in de eerste fase van het koppelproces,
nagegaan welke records koppelkandidaten zijn. Hiervoor wordt gewoonlijk gebruik gemaakt van
een koppelsleutel bestaande uit een aantal variabelen die beide koppelbestanden gemeen hebben.
2 We beschouwen het joinen dat in Hoofdstuk 5 wordt beschreven, strikt genomen, niet als een methode,
maar als een procedure (in de terminologie van Van de Laar, 2008) omdat deze exact is. Dit is in
tegenstelling tot methodes die worden gebruikt om benaderingen te vinden.
14
Het plaatje hiernaast geeft het ideale geval.
In de praktijk hoeft dit niet altijd op te gaan.
Duplicaten kunnen dan wel voorkomen.
In databases kan referentiële integriteit
worden bewaakt