Sélectionner un thème dans la liste

Estimation et erreur standard de l’estimation

Les résultats publiés dans les tableaux IFN sont des estimations portant sur des paramètres de la forêt suisse (paramètres de population) dont les valeurs réelles ne sont pas connues et qui sont donc extrapolées (estimées) à partir des données de l’échantillon de l’IFN. Les extrapolations contiennent des incertitudes. Cependant, la précision de l’extrapolation opérée à partir de l’échantillon aléatoire de l’IFN peut être estimée de façon fiable. Pour ce faire, tous les tableaux IFN indiquent une seconde valeur à côté de l’estimation: l’erreur standard de l’estimation.

La plupart des tableaux indiquent l’erreur standard relative (« ±% »), mais parfois, surtout pour les pourcentages estimés, c’est l’erreur standard absolue (« ± ») qui est indiquée. Le rapport entre l’erreur standard absolue et relative est le suivant:

erreur standard relative = erreur standard absolue / estimation x 100

erreur standard absolue = erreur standard relative × estimation / 100

Les données sur la desserte sont issues d’un recensement complet des routes forestières. Dans ce cas, il n’est pas nécessaire d’indiquer d’erreur standard puisqu’il n’existe pas d’incertitude liée à l’échantillonnage.

Intervalle de confiance de l’estimation

À l’aide de l’estimation et de son erreur standard, il est possible de calculer l’intervalle de confiance de l’estimation en indiquant:

sa limite inférieure
estimation - tQ × erreur standard absolue

et sa limite supérieure
estimation + tQ × erreur standard absolue

Si le calcul se fait avec l’erreur standard simple (tQ = 1), on obtient l’«intervalle de confiance à 68%». On peut alors admettre que la valeur réelle du paramètre de la population se situe avec une probabilité de 68% dans cet intervalle de confiance. Si l’on utilise l’erreur standard double pour le calcul (tQ = 2), la valeur réelle du paramètre se situe avec une probabilité de 95% dans l’intervalle de confiance, à savoir l’«intervalle de confiance à 95%».

Significativité de l’estimation

L’intervalle de confiance permet d’examiner statistiquement si le paramètre de population estimé est plus grand ou plus petit qu’une certaine valeur de référence, respectivement si deux paramètres de population estimés se distinguent effectivement (dans la population réelle). Dans la pratique, le processus adopté est le suivant: lorsqu’une valeur de référence est située hors de l’intervalle de confiance, on admet que la valeur estimée pour la population se distingue significativement de la référence; si la valeur de référence se situe à l’intérieur de l’intervalle, on interprète la différence entre valeur estimée et valeur de référence comme aléatoire et donc non significative. Pour comparer deux paramètres de population, on considère qu’ils se distinguent de façon significative lorsque leurs intervalles de confiances ne se superposent pas.

Traitement de valeurs manquantes

Lors du calcul des résultats, on ne dispose pas toujours de données pour toutes les combinaisons de catégories des variables de classification et du découpage régional^*. Cela indique dans la plupart des cas que le paramètre estimé à l’aide de la variable cible n’apparaît pas ou seulement très rarement. Généralement, on introduit (« impute ») alors la valeur 0. Mais comme cette valeur n’est pas issue de mesures directes, l’erreur standard correspondante est représentée par un point [.]. Lorsqu’on se réfère à la valeur supposée de 0 lors d’un calcul, par exemple pour indiquer des pourcentages ou certaines estimations de changements, il n’est pas possible d’indiquer une valeur. Dans ce cas, on introduit un point [.] pour la valeur estimée et l’erreur standard.

Par exemple, on n’a jusqu’ici ni trouvé ni mesuré d’arole sur le Plateau (volume des aroles selon les régions de production). On peut donc admettre que si les valeurs manquent, c’est que l’arole n’est effectivement pas présent dans cette région et que son volume doit y être de 0.

^* p. ex. combinaison de la catégorie « arole» de la variable de classification « essence » et de la catégorie « Plateau » du découpage régional

Changements

L’IFN distingue deux types de changements:

Le premier concerne des variables cibles spécifiques pour des composantes de changement telles que l’accroissement, l’exploitation, la mortalité ou les disparitions. Ces variables cibles ne sont disponibles que pour deux cycles d’inventaires successifs, p. ex. IFN3-IFN4. Lors de leur évaluation, la catégorie de la variable de classification du second cycle d'inventaire est attribuée à celle du premier cycle d'inventaire. Ces évaluations ne tiennent donc pas compte du changement de la catégorie d’un inventaire à l'autre (p. ex. de la propriété privée à la propriété publique).

Pour le second type de changements, on utilise les différences de variables cibles telles que le nombre de tiges, le volume sur pied ou la surface forestière afin d’établir un bilan du changement entre deux cycles d’inventaire. Ces variables cibles sont habituellement utilisées pour représenter des états, p. ex. dans l’IFN4, mais peuvent aussi révéler les changements entre deux inventaires quels qu’ils soient, p. ex. LFI1-LFI4. Lors de leur évaluation, on tient compte du changement d’une catégorie de la variable de classification. Ainsi, il est possible de constater p. ex. que la surface de la forêt sans la forêt buissonnante a augmenté. Cela n’a d’effet que pour les variables de classification qui peuvent effectivement changer de caractéristiques, p. ex. l’appartenance à la surface forestière ou l’état de l’arbre.

IFN5
nombre de tiges de bois mort
bois mort: résistance du bois (3 classes) · bois mort: nombre d'espèces de champignons (3 classes)
découpage régional: canton
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante IFN4/IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2018/26
		canton
		AG		AI		AR		BE		BL/BS		FR		GE		GL		GR		JU		LU		NE		NW		OW		SG		SH		SO		SZ		TG		TI		UR		VD		VS		ZG		ZH		Suisse
bois mort: résistance du bois (3 classes)	bois mort: nombre d'espèces de champignons (3 classes)	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%
pas d'indication	pas d'indication	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	0	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	1	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	2 ou plus	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
bois frais ou dur	pas d'indication	496	27	274	43	246	35	3844	12	566	27	1013	20	133	54	731	41	6913	9	1063	24	1379	22	478	25	240	44	679	35	1625	17	276	40	538	24	1041	28	416	33	7094	11	610	25	2395	14	5284	11	63	53	720	25	38116	4
	0	17	100	0	.	53	66	288	31	42	71	35	100	0	.	74	74	18	100	63	68	0	.	24	77	0	.	83	53	139	48	52	100	39	71	0	.	0	.	0	.	0	.	17	100	77	81	0	.	41	61	1061	17
	1	117	44	0	.	18	100	694	21	104	47	133	52	0	.	133	64	934	20	137	36	297	29	139	39	25	100	0	.	222	27	7	100	247	38	64	43	36	61	480	18	57	64	338	26	504	24	71	71	61	48	4821	7
	2 ou plus	24	77	0	.	0	.	109	44	35	70	14	71	0	.	0	.	14	71	0	.	7	100	24	77	0	.	0	.	13	71	14	70	0	.	10	100	0	.	28	77	0	.	17	100	49	54	0	.	57	66	414	20
	total	654	23	274	43	316	31	4935	11	746	24	1195	20	133	54	938	37	7880	9	1263	22	1684	21	665	22	265	41	762	32	1999	15	348	35	824	24	1115	27	452	31	7603	10	667	25	2768	13	5915	10	135	45	879	23	44413	4
bois pourri	pas d'indication	170	30	43	73	265	41	1829	14	89	50	573	24	17	100	231	37	2071	13	417	23	658	27	181	40	58	59	360	32	612	18	70	61	304	30	460	26	127	69	1136	15	465	31	982	17	2021	14	47	58	429	38	13615	5
	0	36	71	0	.	0	.	123	41	7	100	17	100	0	.	37	61	0	.	74	71	0	.	0	.	0	.	33	71	45	74	0	.	19	100	0	.	0	.	0	.	0	.	0	.	0	.	22	100	0	.	413	23
	1	127	40	0	.	7	100	401	20	45	86	158	32	0	.	86	53	406	21	32	63	176	33	24	77	45	54	0	.	145	35	17	100	59	52	175	58	0	.	324	27	88	44	277	25	443	23	9	100	123	52	3168	8
	2 ou plus	0	.	0	.	18	100	42	58	0	.	0	.	0	.	0	.	8	100	0	.	20	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	101	45	0	.	18	100	18	100	0	.	14	71	238	27
	total	333	25	43	73	290	39	2394	13	140	43	748	21	17	100	354	33	2485	12	523	22	853	23	205	37	103	41	392	29	803	16	87	53	382	28	634	26	127	69	1561	13	553	30	1277	16	2483	13	78	53	565	38	17433	4
bois en décomposition ou vermoulu	pas d'indication	125	45	0	.	114	56	1486	16	94	49	570	29	0	.	118	52	1534	13	275	35	534	25	124	43	30	66	155	38	304	26	17	100	176	33	238	38	0	.	859	17	198	34	563	21	1126	14	38	71	208	36	8885	6
	0	8	100	0	.	0	.	43	60	17	100	69	100	0	.	37	71	0	.	24	77	0	.	0	.	0	.	0	.	51	85	7	100	9	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	33	71	299	32
	1	7	100	0	.	15	100	131	35	0	.	73	45	0	.	22	75	119	37	24	77	70	59	0	.	30	66	26	78	90	43	7	100	0	.	15	100	0	.	152	34	45	60	148	40	148	41	42	72	69	79	1234	13
	2 ou plus	0	.	0	.	0	.	6	100	0	.	0	.	0	.	0	.	0	.	0	.	46	57	0	.	0	.	0	.	0	.	0	.	17	100	0	.	0	.	24	100	0	.	0	.	0	.	0	.	0	.	93	43
	total	139	41	0	.	129	51	1666	16	111	44	712	28	0	.	177	40	1653	13	324	31	650	25	124	43	60	51	181	35	445	24	31	64	202	31	253	38	0	.	1035	16	242	34	710	20	1274	15	80	59	310	31	10511	5
total	pas d'indication	791	21	317	40	626	30	7159	10	748	26	2156	17	150	49	1079	32	10519	8	1756	20	2572	18	782	21	328	39	1193	30	2541	15	363	33	1019	20	1739	24	543	34	9089	9	1272	22	3939	12	8431	10	149	39	1356	21	60617	3
	0	61	52	0	.	53	66	454	25	66	73	121	100	0	.	148	64	18	100	161	65	0	.	24	77	0	.	116	50	236	56	59	89	68	75	0	.	0	.	0	.	0	.	17	100	77	81	22	100	74	46	1774	16
	1	250	30	0	.	40	61	1227	15	149	43	364	27	0	.	241	45	1459	15	194	29	543	22	164	35	100	49	26	78	457	23	31	71	305	33	254	43	36	61	957	15	190	36	763	19	1096	18	123	48	253	51	9222	6
	2 ou plus	24	77	0	.	18	100	156	37	35	70	14	71	0	.	0	.	22	58	0	.	73	46	24	77	0	.	0	.	13	71	14	70	17	100	10	100	0	.	152	36	0	.	36	71	67	48	0	.	71	55	745	15
	total	1126	18	317	40	736	28	8996	9	998	23	2655	17	150	49	1468	28	12018	8	2110	19	3187	17	994	19	428	34	1335	27	3247	14	467	30	1408	20	2003	22	579	32	10199	8	1462	23	4755	11	9672	9	293	35	1754	23	72357	3

Table citation

Abegg, M.; Ahles, P.; Allgaier Leuch, B.; Cioldi, F.; Didion, M.; Düggelin, C.; Fischer, C.; Herold, A.; Meile, R.; Rohner, B.; Rösler, E.; Speich, S.; Temperli, C.; Traub, B.,
2023: Swiss national forest inventory - Result table No. 1410696. Birmensdorf, Swiss Federal Research Institute WSL

page précedente