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.

IFN3–IFN4
accroissement (accroissement brut)
essence principale
découpage régional: canton
unité: 1000 m³/an
ensemble analysé: forêt accessible sans la forêt buissonnante IFN1-IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
évolution 2004/06–2009/17
	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
essence principale	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%
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	.
épicéa	131	22	36	49	65	38	802	8	2	305	249	18	0	0	87	26	645	11	54	31	243	16	129	19	39	53	77	23	197	18	64	36	70	26	119	22	148	20	143	24	73	32	323	13	306	16	13	41	210	16	4249	4
sapin	55	27	13	59	40	45	485	12	7	82	73	35	0	.	11	48	60	25	92	21	231	16	115	21	9	68	15	66	68	23	6	73	41	28	48	25	53	37	26	43	32	31	174	15	50	39	14	42	77	26	1857	5
pin	4	40	0	.	1	100	25	41	-7	116	5	87	2	95	0	.	2	703	2	144	2	61	1	189	0	.	6	98	0	331	10	64	4	105	-3	101	6	62	7	92	2	63	13	78	43	41	0	.	8	72	127	25
mélèze	4	118	0	.	0	.	8	67	-2	106	3	75	0	.	2	91	76	31	0	100	1	60	0	100	0	.	1	100	3	75	1	60	0	100	0	100	2	71	51	40	0	100	16	46	159	18	0	100	4	80	298	13
arole	0	.	0	.	0	.	-3	100	0	.	0	.	0	.	0	.	27	31	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	12	48	0	.	0	.	34	30
autres résineux	7	49	0	.	0	76	16	47	9	100	0	0	0	.	0	100	1	40	-2	103	8	66	0	100	0	.	0	100	7	132	0	100	-2	137	0	100	0	85	2	100	0	100	17	55	0	130	0	.	4	60	71	29
hêtre	136	19	7	87	11	65	366	13	32	43	100	27	0	.	16	43	32	50	105	24	117	25	57	28	7	61	41	43	94	29	40	45	89	22	32	41	71	24	92	40	25	52	168	18	37	44	9	76	128	17	1858	5
érable	25	36	0	119	6	75	32	50	9	59	22	33	0	.	5	93	13	55	5	74	16	39	9	80	1	225	11	78	13	139	4	51	6	87	12	35	14	66	6	74	4	74	9	84	7	86	3	55	36	44	275	15
frêne	47	33	0	.	10	54	34	27	15	46	35	52	-2	100	-5	97	4	193	27	31	34	31	7	57	12	80	3	62	11	151	8	43	18	60	10	83	25	63	33	44	6	41	51	37	1	1051	4	69	30	42	429	12
chêne	20	50	0	.	0	.	15	40	4	51	2	144	3	133	0	.	3	83	7	67	9	48	-1	105	0	100	0	.	2	118	4	119	7	60	0	100	18	58	28	29	0	282	21	55	2	115	0	.	16	42	165	16
châtaignier	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	6	50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	126	31	0	.	1	71	2	88	0	.	0	.	117	28
autres feuillus	26	29	0	82	2	58	66	38	4	111	40	50	0	100	4	42	60	25	8	39	11	33	3	54	4	89	-2	112	12	83	3	45	7	33	1	287	25	52	77	29	6	59	46	28	35	24	0	213	12	47	437	11
indéterminable	0	0	0	.	0	0	0	0	0	0	0	0	0	.	0	0	0	0	0	0	0	0	0	0	0	.	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	455	12	57	40	134	28	1845	6	74	33	528	14	4	118	118	24	930	9	299	14	673	11	319	13	71	38	153	21	407	15	140	25	241	16	219	17	362	16	592	12	148	22	839	9	654	11	43	33	524	11	9919	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. 1403674. Birmensdorf, Swiss Federal Research Institute WSL

page précedente