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 IFN1-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	3489	11	1132	19	834	22	629	20	1360	17	1196	20	2909	15	2354	16	2025	17	718	22	1183	27	4749	11	4483	11	7970	10	35032	4
	0	189	34	94	64	17	100	20	100	57	52	35	100	166	36	192	39	113	59	0	.	74	74	77	81	18	100	0	.	1052	17
	1	717	18	243	38	211	36	237	42	126	32	69	45	337	27	265	27	328	27	57	64	185	43	404	25	732	23	564	19	4474	8
	2 ou plus	120	37	49	54	14	71	0	.	47	74	0	.	55	67	40	55	0	.	0	.	0	.	42	61	14	71	28	77	407	20
	total	4515	9	1517	17	1076	21	886	19	1590	16	1299	19	3466	14	2851	14	2467	16	775	22	1441	25	5273	11	5248	12	8561	9	40966	4
bois pourri	pas d'indication	1353	14	231	31	280	28	354	26	569	23	731	21	1297	18	1187	19	1154	20	493	30	446	24	1816	15	1492	15	1378	14	12779	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	281	25	238	33	151	31	71	49	128	41	373	23	307	24	327	26	2833	8
	2 ou plus	7	100	0	.	0	.	0	.	14	71	0	.	47	62	18	100	25	78	0	.	0	.	18	100	0	.	64	52	193	29
	total	1766	13	383	24	364	26	495	21	704	20	954	19	1745	14	1510	18	1349	19	563	29	611	22	2208	14	1799	15	1768	13	16219	5
bois en décomposition ou vermoulu	pas d'indication	1002	16	76	56	180	37	245	25	335	28	792	23	941	17	505	24	753	27	204	31	180	38	973	16	1090	15	1112	17	8388	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	123	47	85	41	161	35	1184	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	321	22	399	25	980	23	1167	16	764	21	789	27	248	31	247	31	1097	16	1174	14	1298	16	9964	6
total	pas d'indication	5844	9	1439	18	1294	19	1228	15	2264	14	2719	16	5146	13	4046	14	3932	14	1415	19	1809	21	7539	10	7065	10	10460	8	56198	3
	0	333	37	161	47	17	100	36	71	98	39	121	100	312	27	310	44	132	59	0	.	148	64	77	81	18	100	0	.	1765	16
	1	1133	14	359	30	331	28	403	28	271	23	387	25	790	17	711	24	515	21	172	39	342	33	901	18	1124	18	1052	14	8492	6
	2 ou plus	127	37	49	54	14	71	35	61	60	59	6	100	130	41	58	49	25	78	0	.	0	.	60	52	14	71	116	40	694	16
	total	7437	8	2007	16	1656	18	1702	14	2693	12	3234	15	6379	11	5125	13	4605	13	1587	20	2299	19	8577	10	8222	10	11627	8	67148	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. 1410693. Birmensdorf, Swiss Federal Research Institute WSL

page précedente