Koppelen 910Leon Willenborg en Nico Heerschap - CBS

dergelijke situaties zijn deze variabelen als koppelvariabelen te gebruiken. De technieken die dan
gebruikt kunnen worden zijn niet veel anders dan in het geval van situaties 1b of 2a.
Een andere specifieke situatie betreft het feit dat niet wordt voldaan aan de voorwaarde dat de
scores in beide bestanden op ongeveer hetzelfde tijdstip betrekking dienen te hebben, dus met
(ongeveer) gelijke referentietijden. Het kan zijn dat de tijdstippen 8 , waarop de gegevens in de
bestanden betrekking hebben, zo ver uit elkaar liggen dat er verschillen in de scores van dezelfde
eenheden kunnen optreden louter omdat er sprake is van dynamiek in de populatie, waardoor
nieuwe eenheden kunnen instromen in de populatie (‘geboorte’), of juist uitstromen (‘sterfte’), of
van eigenschap veranderen (bijvoorbeeld een jaartje ouder worden, huwen of scheiden, etc.).
Daarnaast komt het voor dat de eenheden zelf kunnen veranderen. Dit is bijvoorbeeld mogelijk bij
samengestelde eenheden zoals bedrijven of huishoudens, die kunnen splitsen of fuseren met andere
eenheden.
Koppelen wordt meestal gebruikt om records uit 2 bestanden 1:1 te matchen. Dit wil zeggen dat in
de definitieve matching als twee records koppelen, rA uit A en rB uit B, er geen records s uit A zijn
en t uit B, zodanig dat r A aan t koppelt of r B aan s. Het is echter zeer wel mogelijk dat
afzonderlijke records uit A aan meerdere records uit B kunnen worden gekoppeld, of omgekeerd,
afzonderlijke records uit B aan meerdere in A. Te denken valt hierbij aan koppelsituaties waarbij
tussen de peiltijd waarop A en waarop B is verzameld een zodanig verschil zit dat de effecten van
de dynamiek zichtbaar worden. Het kan dan zijn dat een bedrijf uit bestand A is gesplitst in
meerdere bedrijven die in bestand B zijn vertegenwoordigd. Of omgekeerd dat een bedrijf in B is
ontstaan door fusie van meerdere bedrijven in A. Het hoeft hierbij trouwens niet per se om
samengestelde eenheden te gaan als bedrijven. Het kan ook om personen gaan. Zo zou een persoon
die in bestand A 32 jaar is in bestand B 32 of 33 jaar oud kunnen zijn. Als op secundaire
sleutelwaarden twee personen voorkomen in B die dezelfde scores hebben op alle
koppelvariabelen, alleen een verschillende score op de variabele leeftijd, namelijk 32 jaar en 33
jaar, dan zijn beide personen in B koppelkandidaten voor het genoemde record in A (verondersteld
dat er verder geen identificerende informatie in A en B aanwezig is). Met bepaalde kansen kunnen
de beide records uit B aan het record in A worden gekoppeld. Hierbij kan de kans gebruikt worden
als koppelgewicht, of beter gezegd de reciproke kans. Dit is dan een voorbeeld van een
koppelingsmodel dat gebruik maakt van koppelingsgewichten. Dat is niet per se nodig. Er zijn ook
koppelingsmodellen die zonder deze gewichten werken.
Verder wordt in dit stuk niet alleen gekeken naar koppelingen van gelijke eenheden. In de
economische statistieken is vaak sprake van samengestelde eenheden, die kunnen splitsen, maar
ook kunnen samengaan met andere, soortgelijke eenheden, tot een nieuwe eenheid. Zie ook
paragraaf 9.6. De relatie tussen twee eenheden in verschillende te koppelen bestanden hoeft dan
niet per se te zijn die van gelijkheid van eenheden, maar bijvoorbeeld van ‘is voortgekomen uit’
(bij een splitsing) of omgekeerd ‘is onderdeel geworden van’ (bij een fusie).
8 Daarbij gaat het om het tijdstip waarop de data betrekking hebben. Echter ook al gaat het om hetzelfde
tijdstip waarop de gegevens betrekking hebben, er kan ook sprake zijn van een groot tijdverschil in het
moment van registratie. Ook in dat geval kunnen genoemde koppelproblemen optreden.
30