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.

IFN4
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
réseau: réseau 1,4 km
état 2009/17
		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	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	10	100	0	.	0	.	10	100
	0	382	20	160	35	284	27	3425	9	412	21	1046	16	34	52	384	26	5470	7	646	17	1387	19	357	20	98	38	579	21	1248	13	219	27	565	19	619	30	244	28	5412	9	476	23	1979	10	4747	8	175	28	468	17	30815	3
	1	49	39	0	.	65	64	634	16	25	53	215	25	0	.	58	39	471	16	110	30	155	29	60	39	17	72	28	59	199	23	31	49	51	49	147	28	0	.	921	14	48	52	308	19	494	15	15	77	90	31	4193	6
	2 ou plus	0	.	0	.	8	100	120	30	4	100	7	71	0	.	0	.	49	43	5	100	13	74	0	.	9	100	0	.	28	54	0	.	0	.	4	100	0	.	96	32	4	100	24	61	95	52	0	.	0	.	464	16
	total	431	19	160	35	357	28	4179	8	440	21	1268	15	34	52	442	25	5989	7	761	16	1554	19	417	19	124	36	608	21	1475	13	251	25	616	19	770	26	244	28	6429	8	528	22	2310	9	5345	8	190	29	559	15	35482	3
bois pourri	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	.	10	100	0	.	0	.	10	100
	0	219	24	84	48	76	45	1617	11	68	47	401	19	40	80	328	26	1706	11	295	21	458	18	147	30	120	40	314	28	546	19	13	76	217	26	292	20	72	38	1508	11	218	26	956	13	1662	10	15	100	259	20	11631	4
	1	36	53	0	.	22	68	539	16	19	64	127	30	4	100	27	54	352	17	76	38	165	29	43	44	8	71	53	41	120	27	10	100	28	55	113	39	0	.	325	20	45	66	290	19	273	20	0	.	49	32	2724	7
	2 ou plus	33	50	0	.	0	.	67	38	4	100	33	70	0	.	0	.	37	48	25	61	36	78	0	.	10	100	0	.	19	64	0	.	0	.	13	76	0	.	21	60	0	.	40	61	32	70	0	.	4	100	374	18
	total	288	22	84	48	98	39	2223	10	91	38	561	18	44	73	356	25	2095	10	397	19	659	18	190	27	138	37	367	26	685	17	23	61	244	25	419	20	72	38	1854	10	262	26	1286	12	1977	10	15	100	312	19	14739	4
bois en décomposition ou vermoulu	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	171	25	0	.	80	42	1182	13	162	29	265	26	19	71	217	33	1459	10	274	25	396	19	53	53	50	45	206	33	450	23	20	71	145	29	255	26	29	54	702	15	136	36	584	17	1286	11	9	100	226	24	8374	4
	1	54	38	14	79	4	100	259	18	17	62	47	39	0	.	14	77	263	20	27	54	62	61	13	76	15	77	41	45	79	31	0	.	40	76	47	39	14	77	204	27	27	60	114	28	141	26	10	100	56	47	1562	8
	2 ou plus	12	100	0	.	0	.	26	49	0	.	0	.	0	.	0	.	20	62	0	.	13	58	0	.	0	.	0	.	9	100	0	.	9	71	0	.	20	71	11	100	0	.	22	55	24	61	0	.	20	71	185	21
	total	237	21	14	79	84	42	1467	12	178	27	312	23	19	71	232	32	1743	10	301	25	470	20	67	45	65	40	248	31	537	21	20	71	194	30	302	24	62	43	916	14	163	38	720	16	1450	10	19	71	301	23	10121	4
total	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	20	71	0	0	0	0	20	71
	0	772	16	244	31	440	24	6224	7	641	20	1712	15	93	48	930	19	8635	7	1215	14	2241	15	557	18	268	29	1099	17	2243	12	252	28	927	16	1166	19	344	23	7622	8	830	19	3519	8	7695	7	199	28	953	13	50821	2
	1	139	24	14	79	91	49	1432	11	60	37	390	20	4	100	100	29	1087	12	214	25	381	22	116	27	40	44	123	29	398	16	41	44	119	39	307	25	14	77	1450	12	119	36	712	14	908	12	25	61	196	22	8479	4
	2 ou plus	45	45	0	.	8	100	213	24	8	71	40	59	0	.	0	.	106	36	30	54	62	67	0	.	19	71	0	.	56	38	0	.	9	71	17	80	20	71	128	28	4	100	85	39	150	37	0	.	23	62	1023	11
	total	956	14	258	30	539	24	7869	7	710	19	2141	14	97	47	1030	19	9827	6	1459	13	2684	15	674	17	327	28	1222	17	2697	11	294	25	1055	16	1490	18	377	23	9200	7	953	19	4317	8	8772	7	224	28	1172	12	60343	2

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. 1196172. Birmensdorf, Swiss Federal Research Institute WSL

page précedente