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
biomasse des arbres vifs
essence principale
découpage régional: canton
unité: Mio kg
ensemble analysé: forêt accessible sans la forêt buissonnante
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
essence principale	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%	Mio kg	±%
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	1529	20	1643	30	1212	29	17809	7	446	34	5232	14	3	75	2281	23	22589	6	1285	23	4237	13	2750	15	1069	34	2648	19	6513	13	790	28	1055	25	3382	16	1514	21	4741	18	2748	20	7727	10	9777	9	611	37	3340	14	106929	2
sapin	873	27	354	40	897	36	9897	9	329	36	1431	23	3	100	337	44	1256	23	2331	20	3771	14	2764	17	214	54	786	33	2468	16	110	59	876	22	1303	24	829	31	841	27	556	32	4297	13	1006	26	234	44	1243	19	39006	4
pin	92	56	0	.	0	.	853	27	182	34	197	55	43	100	0	.	1796	16	226	37	149	54	79	59	3	100	155	83	105	48	203	38	207	31	54	74	244	42	111	51	168	53	113	46	1325	18	0	.	506	22	6812	8
mélèze	186	40	0	.	0	.	178	44	17	71	61	68	0	.	31	100	6442	9	14	100	19	58	27	100	0	.	12	100	215	46	23	59	13	100	36	100	47	60	3485	13	0	.	334	31	6806	11	26	100	182	37	18153	6
arole	0	.	0	.	0	.	8	100	0	.	0	.	0	.	0	.	1317	17	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	7	100	0	.	0	.	805	21	0	.	0	.	2137	13
autres résineux	123	49	0	.	9	73	347	38	151	100	0	.	0	.	2	100	46	32	8	74	205	70	5	100	0	.	6	88	213	93	39	100	38	58	8	74	3	72	48	98	6	100	69	54	12	57	0	.	52	50	1393	24
hêtre	4165	16	254	47	395	36	11884	9	2050	19	2781	19	0	.	764	31	1728	21	2718	17	3229	17	1064	17	383	42	1119	30	4836	15	1727	21	4130	16	1657	24	1613	20	5083	12	919	32	5812	12	774	29	261	43	3948	14	63294	3
érable	496	22	18	74	200	41	1933	12	387	27	447	24	2	100	350	33	416	26	387	23	415	21	455	27	123	36	206	49	1418	17	76	53	571	21	295	26	370	38	314	29	170	38	984	15	376	25	88	46	992	18	11488	5
frêne	621	29	0	.	194	52	1146	24	269	42	1027	28	7	100	228	44	306	36	629	29	458	50	80	46	408	59	81	73	1216	23	181	47	403	26	492	37	640	26	671	31	165	56	1079	22	397	30	93	60	1028	23	11820	7
chêne	697	34	0	.	0	.	602	21	152	53	195	44	320	58	0	.	165	60	266	45	248	49	73	60	4	100	0	.	92	60	170	47	183	43	16	100	888	49	836	20	83	74	962	23	237	34	10	100	522	26	6724	10
châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	407	43	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4424	15	0	.	5	100	158	51	0	.	0	.	4994	13
autres feuillus	534	24	0	.	57	70	1188	15	156	32	409	32	10	65	119	46	1458	18	325	35	231	26	50	34	67	50	37	39	408	24	29	48	271	34	237	33	549	41	3293	11	189	37	1220	29	918	18	5	63	544	25	12305	6
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
total	9316	11	2269	28	2964	24	45844	5	4140	16	11781	10	389	54	4113	18	37927	5	8188	12	12962	10	7347	11	2272	25	5050	16	17484	9	3348	18	7747	12	7480	13	6696	14	23855	6	5004	16	22603	7	22590	6	1329	30	12357	9	285054	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. 1305203. Birmensdorf, Swiss Federal Research Institute WSL

page précedente