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: région économique
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
		région économique
		Ouest du Jura		Est du Jura		Ouest du Plateau		Centre du Plateau		Est du Plateau		Ouest des Préalpes		Centre des Préalpes		Est des Préalpes		Nord-ouest des Alpes		Centre des Alpes		Nord-est des Alpes		Sud-ouest des Alpes		Sud-est des Alpes		Sud des Alpes		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	±%
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	.
	1	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	.
	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
bois frais ou dur	pas d'indication	3524	11	1132	19	896	21	663	20	1368	17	1284	19	3115	16	2422	16	2179	16	889	20	1354	25	5284	11	5307	10	8701	9	38116	4
	0	189	34	94	64	17	100	20	100	57	52	35	100	166	36	192	39	123	55	0	.	74	74	77	81	18	100	0	.	1061	17
	1	717	18	243	38	211	36	254	40	126	32	69	45	337	27	265	27	371	25	57	64	254	38	504	24	775	22	639	17	4821	7
	2 ou plus	120	37	49	54	14	71	0	.	47	74	0	.	55	67	40	55	0	.	0	.	0	.	49	54	14	71	28	77	414	20
	total	4550	9	1517	17	1137	20	936	19	1598	15	1387	18	3672	14	2919	14	2673	15	946	20	1682	23	5915	10	6115	10	9367	9	44413	4
bois pourri	pas d'indication	1353	14	231	31	280	28	354	26	577	23	765	20	1306	17	1211	19	1232	19	561	27	517	22	2021	14	1680	15	1527	13	13615	5
	0	93	60	43	62	0	.	17	100	0	.	17	100	120	41	67	60	18	100	0	.	37	61	0	.	0	.	0	.	413	23
	1	313	25	109	44	84	43	125	34	121	38	206	27	288	25	331	37	194	29	88	44	135	39	443	23	354	23	377	24	3168	8
	2 ou plus	7	100	0	.	0	.	0	.	14	71	0	.	47	62	18	100	25	78	0	.	0	.	18	100	0	.	108	43	238	27
	total	1766	13	383	24	364	26	495	21	711	20	989	18	1761	14	1627	18	1469	18	649	27	689	21	2483	13	2034	14	2012	12	17433	4
bois en décomposition ou vermoulu	pas d'indication	1002	16	76	56	180	37	262	24	335	28	792	23	950	17	505	24	780	27	276	29	209	34	1126	14	1180	14	1213	16	8885	6
	0	51	54	24	77	0	.	0	.	41	60	69	100	26	75	51	85	0	.	0	.	37	71	0	.	0	.	0	.	299	32
	1	103	51	7	100	36	71	41	69	24	77	113	38	173	32	208	36	36	45	45	60	29	62	148	41	92	38	179	33	1234	13
	2 ou plus	0	.	0	.	0	.	35	61	0	.	6	100	28	81	0	.	0	.	0	.	0	.	0	.	0	.	24	100	93	43
	total	1156	14	108	44	216	33	337	21	399	25	980	23	1177	16	764	21	816	26	320	29	275	29	1274	15	1272	13	1416	15	10511	5
total	pas d'indication	5879	9	1439	18	1355	18	1278	15	2279	14	2841	15	5371	13	4138	14	4191	13	1726	18	2081	19	8431	10	8168	9	11440	8	60617	3
	0	333	37	161	47	17	100	36	71	98	39	121	100	312	27	310	44	141	56	0	.	148	64	77	81	18	100	0	.	1774	16
	1	1133	14	359	30	331	28	420	27	271	23	387	25	797	17	804	24	600	20	190	36	418	30	1096	18	1221	17	1195	13	9222	6
	2 ou plus	127	37	49	54	14	71	35	61	60	59	6	100	130	41	58	49	25	78	0	.	0	.	67	48	14	71	160	35	745	15
	total	7472	8	2007	16	1717	17	1769	14	2708	12	3356	15	6610	11	5310	13	4958	13	1915	18	2647	18	9672	9	9421	9	12795	7	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. 1410698. Birmensdorf, Swiss Federal Research Institute WSL

page précedente