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
volume total de bois (bois de tige)
état de l'arbre · diamètre à hauteur de poitrine (≤ ou >30 cm)
découpage régional: canton
unité: 1000 m³
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
état de l'arbre	diamètre à hauteur de poitrine (≤ ou >30 cm)	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%
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	.
	=30 cm	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	.
	>30 cm	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	.
sec sur pied	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	.
	=30 cm	64	31	25	44	63	39	573	14	94	37	170	24	6	84	84	42	752	12	211	27	325	30	36	28	47	47	105	29	266	23	40	49	116	39	247	29	90	42	852	12	147	25	423	22	539	16	35	65	109	33	5421	5
	>30 cm	301	31	62	51	221	51	2304	14	145	33	507	29	14	100	241	43	1293	16	548	30	832	24	342	41	103	45	164	40	850	20	258	64	228	33	386	34	132	45	910	20	333	28	1005	21	1124	15	55	64	413	39	12772	5
	total	365	27	87	41	284	43	2877	12	239	26	677	23	20	79	326	34	2046	12	759	24	1158	20	378	38	150	36	269	31	1116	18	298	59	344	26	633	25	222	39	1762	12	480	24	1428	18	1663	12	91	47	522	32	18193	4
vif sur pied	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	.
	=30 cm	2366	14	359	37	765	33	12413	7	1295	18	3457	15	124	64	736	26	11113	6	1817	15	3648	12	2239	15	872	32	1738	19	4009	13	909	23	2023	15	1853	18	1832	17	10267	6	1803	18	6599	9	7918	8	343	34	3115	13	83613	2
	>30 cm	9701	12	3369	28	3911	25	54866	5	4336	18	13706	11	361	54	4908	19	46080	5	10121	13	15654	11	9157	12	2458	28	5704	19	20849	10	3807	20	7680	13	9193	14	7125	15	20547	8	5441	18	25712	8	24869	7	1693	32	14027	10	325276	1
	total	12067	11	3728	28	4676	24	67279	5	5631	16	17163	11	485	54	5645	19	57193	5	11937	12	19302	10	11396	11	3330	26	7441	17	24858	9	4716	18	9703	12	11046	13	8957	13	30814	6	7244	17	32311	7	32787	7	2036	30	17142	9	408889	1
mort à terre	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	.
	=30 cm	131	25	8	68	100	38	896	13	84	36	249	25	15	82	121	33	1067	12	179	26	276	20	86	28	55	49	66	29	264	18	37	38	200	31	158	32	27	56	667	13	112	30	404	18	847	12	15	52	255	33	6319	4
	>30 cm	394	35	0	.	135	45	2466	13	256	39	687	35	0	.	189	35	2782	11	318	30	704	27	50	61	75	51	345	35	517	23	38	71	189	35	258	38	102	64	862	19	146	44	694	21	1858	13	43	100	291	31	13399	5
	total	525	28	8	68	235	39	3361	11	340	33	936	28	15	82	310	27	3849	10	497	24	981	23	136	28	129	36	411	31	781	17	75	43	389	25	416	29	129	52	1528	13	258	28	1098	16	2705	11	59	84	546	24	19718	4
vif à terre	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	.
	=30 cm	12	45	0	.	22	71	52	43	12	100	5	100	0	.	28	55	63	25	9	100	16	81	0	.	9	100	10	87	12	57	10	73	15	71	5	100	3	71	162	29	41	56	5	59	96	29	0	.	10	74	596	12
	>30 cm	48	76	23	100	52	66	18	80	0	.	0	.	0	.	17	72	24	72	17	100	0	.	0	.	0	.	27	100	72	86	18	100	9	100	25	74	0	.	98	38	0	.	0	.	41	51	0	.	76	100	565	23
	total	60	62	23	100	74	65	70	38	12	100	5	100	0	.	45	44	87	27	26	73	16	81	0	.	9	100	37	96	84	74	28	88	24	58	30	63	3	71	259	28	41	56	5	59	137	26	0	.	86	89	1162	14
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	.
	=30 cm	2574	13	393	36	951	29	13934	6	1485	18	3881	14	146	58	969	23	12995	6	2216	14	4266	12	2362	15	983	31	1918	19	4551	12	995	22	2355	15	2263	17	1952	17	11948	6	2102	17	7431	9	9399	8	394	34	3488	13	95949	2
	>30 cm	10445	12	3454	28	4319	24	59654	5	4737	18	14900	11	375	54	5356	19	50179	5	11003	13	17191	10	9549	12	2635	27	6239	18	22289	10	4121	19	8106	13	9862	14	7360	15	22417	8	5920	18	27411	8	27892	7	1792	30	14807	10	352012	1
	total	13018	11	3847	28	5270	23	73588	5	6222	16	18781	10	521	54	6325	18	63175	5	13219	12	21457	10	11911	11	3618	25	8157	17	26839	9	5116	18	10461	12	12125	13	9311	13	34364	6	8022	17	34842	7	37291	6	2186	29	18295	9	447962	1

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. 1329413. Birmensdorf, Swiss Federal Research Institute WSL

page précedente