fa بهبود مدل فلگی-سانتر در اتصال رکوردی با استفاده از مدل لگ‌خطی و اصلاح وزن آمار رسمی Official Statistics كاربردي و توسعه ای Applied <br> امروزه با دسترسی روزافزون به پایگا&lrm;&rlm;ه‌های دادۀ اداری و حجم بالای داده‌های ثبت‌شده در سازمان‌ها، روش‌های سنتی گردآوری و تحلیل داده‌ها به دلیل بار پاسخ‌گویی بالا کارایی لازم را ندار&rlm;ند. بر این اساس، گذار از روش‌های گردآوری سنتی به روش‌های مدرن گردآوری و تحلیل داده‌ها با رویکرد آمارهای ثبتی‌مبنا بیش از پیش مورد توجه تحلیلگران داده‌ها قرار گرفته ‌است. در روش‌های ثبتی‌مبنا، ایجاد یک پایگاه دادۀ یکپارچه از طریق اتصال رکوردهای پایگاه‌های دادۀ دستگاه‌های مختلف &rlm;اهمیت ویژه‌ای دارد. &rlm;بسیاری از الگوریتم‌های اتصال رکوردی بر پایهٔ مدل فلگی و سانتر توسعه یافته ‌است. یکی از نقص‌های مدل فلگی-سانتر این است که به درون اطلاعات موجود در مقادیر متغیرها نفوذ نمی‌کند و مقادیر متغیرهای رشته‌ای (رایج بودن یا نادر بودن مقدار ویژگی موردنظر) در آن اهمیت ندارد. در این &lrm;&rlm;مقاله به معرفی روشی ‌پرداخته می‌شود که بتواند با اصلاح وزن‌های جورسازی مدل فلگی-سانتر&rlm;، این تفاوت‌ها را در مقادیر یک متغیر رشته‌ای در مدل فلگی-سانتر القا کند. &rlm;از&lrm;&lrm; طرف دیگر&rlm;، مدلی که فلگی و سانتر پیشنهاد داده‌اند و روشی که برای تعدیل وزن‌های جورسازی در اتصال فراوانی‌مبنای رکوردها معرفی می‌شود، بر اساس فرض استقلال شرطی بنا شده‌اند. در برخی مسائل اتصال رکوردی، در تطابق و عدم تطابق میان متغیرهای مشترک مورد استفاده در جورسازی، فرض استقلال شرطی برقرار نیست. یک راهکار مورد استفاده در چنین حالتی، استفاده از مدل لگ-خطی است که امکان وجود اثرات متقابل میان متغیرهای جورسازی در مدل را فراهم می‌کند. &lrm;&lrm;&lrm;<br> در این &rlm;مقاله به دو روش تعمیم مدل فلگی &lrm;‐&lrm;سانتر، یکی با رویکرد اصلاح وزن‌های جورسازی و دیگری با رویکرد مدل لگ&lrm;‌&lrm;خطی با حضور اثرات متقابل میان متغیرهای اتصال‌دهنده در شرایطی که فرض استقلال شرطی برقرار نباشد&rlm;، پرداخته می‌شود. روش‌های معرفی شده برای اتصال رکوردی در این مقاله، روی مجموعه‌داده‌های نیروی کار مرکز آمار ایران با استفاده از نرم‌افزار &lrm;R&lrm; پیاده‌سازی شده‌اند.&nbsp; <p>&lrm;T&lrm;oday, with the increasing access to administrative databases and the high volume of data registered in organizations, the traditional methods of data collection and analysis are not effective due to the response burden. Accordingly, the transition from traditional &lrm;survey methods to modern methods of data collection and analysis with the register-based statistics approach has received more and more attention from statistical data analysts. In register-based methods, it is especially important to create an integrated database by linking database records of different organizations. &lrm;Many record linkage algorithms have been developed using the Fellegi and Sunter &lrm;&lrm;&lrm;model&lrm;. &lrm;The Fellegi-Sunter model does not leverage information contained in field values and does not care about specific possible values of a string variable (more common and less common values)&lrm;. &lrm;In this &lrm;&rlm;&lrm;article&lrm;, &lrm;a method that can be able to infuse these differences in specific possible values of a string variable in the Fellegi-Sunter model is presented&lrm;.&lrm; &lrm;&lrm;&lrm;On the &lrm;other, &lrm;&lrm;the &lrm;&lrm;model proposed by Fellegi-Sunter&lrm;, &lrm;as well as the method for adjusting the matching weights in the frequency-based record linkage&lrm;, &lrm;binding in this paper, &lrm;are based on the assumption of conditional independence&lrm;. &lrm;In some applications of record linkage&lrm;, &lrm;this assumption is not met in agreement or disagreement of common variables which are used for matching&lrm;. &lrm;One solution used in such a case is to use log-linear model which allows interactions between matching variables in the model&lrm;.&lrm;&lrm;</p> <p>In this &lrm;&rlm;&lrm;article&lrm;, &lrm;we deal with two generalizations of Fellegi-Sunter &lrm;&lrm;&lrm;&lrm;&lrm;model, &lrm;one with the correction of the matching weights and the other with using a log-linear model with interactions in absence of conditional independence&lrm;. &lrm;The proposed methods are implemented on labour force data set of Statistical Centre of Iran using R&lrm;.</p> مدل فلگی-سانتر, جورسازی فراوانی‌مبنا, اصلاح وزن‌ها, استقلال شرطی, مدل لگ‌خطی Fellegi-Sunter model, ‎Frequency-based matching‎, ‎Adjusting weights‎, ‎Conditional independence‎, ‎Log-Linear model 177 199 http://jss.irstat.ir/browse.php?a_code=A-10-654-5&slc_lang=fa&sid=1 Alireza Movaffaghi Ardestani علیرضا موفقی اردستانی alireza.movaffagh@ut.ac.ir 10031947532846009104 10031947532846009104 No دانشگاه تهران Zahra Rezaei Ghahroodi زهرا رضائی قهرودی z.rezaeigh@ut.ac.ir 10031947532846009105 10031947532846009105 Yes دانشگاه تهران