Koppelen 910Leon Willenborg en Nico Heerschap - CBS

2. {c,f} of {e,f} (één van beide).
De keuzes bij 1. en 2. zijn onafhankelijk van elkaar te maken.
In het geval van KK-graph zonder gewichten tellen alle kandidaat-koppelingen even zwaar. Een
belangrijk voorbeeld van een koppelcriterium dat leidt tot een KK-graph zonder koppelgewichten is
dat van gelijkheid van scores op de koppelsleutel. De koppelwijze gebaseerd op dit criterium wordt
ook wel aangeduid als exact koppelen of exact matchen. Opgemerkt zij dat dit louter slaat op het
feit dat het gebruikte koppelcriterium exacte gelijkheid eist van scores op de variabelen in de
koppelsleutel om de bijbehorende records als koppelkandidaten te beschouwen. Het heeft niets te
maken met ‘nauwkeurigheid’, of het ‘foutloos’ zijn van de koppelingen. De reden hiervoor is dat in
de praktijk fouten, afwijkingen of onregelmatigheden voorkomen in de te koppelen bestanden, en
meer in het bijzonder op de koppelsleutel. Deze fouten in de gegevens leiden er toe dat
koppelkandidaten worden gevonden die geen betrekking hebben op dezelfde eenheden. Maar ook
dat koppelingen worden gemist.
Figuur 6.2: KK-graph zonder koppelgewichten
Bestand A Bestand B
a
b
c
d
e
Wanneer we het koppelcriterium voor exact koppelen verruimen kunnen we wel eenheden bij
elkaar zoeken met een gering aantal afwijkingen in de scores op de gebruikte koppelsleutel. Stel dat
de koppelsleutel bestaat uit de variabelen (secondary keys) k s s 1 ,..., . Stel dat a een record is uit
bestand A en b een record uit bestand B. De scores van a en b geven we aan als respectievelijk
a a
b b
a a b b
( s1 ,... sk
) en ( s 1 ,... sk
) . De records a en b zijn koppelkandidaten als ( s 1 ,... sk
) = ( s1
,..., sk
) . We
zouden in plaats daarvan kunnen eisen dat er afwijkingen mogen zijn, maar een beperkt aantal, zeg
maximaal p. Als we bijvoorbeeld de Hamming-afstand d H (zie ook hoofdstuk 3) zouden
44
f
g
h
i
j