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
essence principale
découpage régional: canton
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
	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 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	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	2669	21	1457	31	1493	29	24954	7	760	40	6116	18	52	74	2442	27	34291	7	1106	22	7005	15	3595	16	1795	47	5460	22	7773	14	1090	33	1735	33	4181	18	2567	22	7227	19	4262	22	10978	11	17710	10	423	44	4875	18	156015	3
sapin	1039	30	283	39	929	39	13164	9	724	31	2226	24	34	100	194	46	1044	23	3876	16	6000	17	3634	19	231	38	1172	29	1625	18	142	60	1616	29	1292	27	1228	30	1153	30	1434	28	5838	13	1501	24	467	46	1137	19	51983	4
pin	115	60	0	.	0	.	1172	28	259	33	164	46	59	100	0	.	4176	20	187	42	151	52	113	59	66	100	530	90	24	76	251	40	324	36	120	95	149	39	216	74	247	58	136	47	4621	22	0	.	461	28	13541	11
mélèze	350	50	0	.	0	.	160	40	14	71	121	68	0	.	7	100	5017	12	7	100	73	57	7	100	0	.	52	100	249	57	31	64	7	100	14	100	211	70	4051	17	0	.	1003	47	6942	12	7	100	159	43	18482	7
arole	0	.	0	.	0	.	10	100	0	.	0	.	0	.	0	.	2581	24	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	49	100	0	.	0	.	1592	24	0	.	0	.	4231	17
autres résineux	188	45	0	.	54	74	312	28	98	100	0	.	0	.	18	100	518	40	51	74	112	47	17	100	0	.	17	100	237	39	21	100	195	54	18	100	34	71	44	70	87	100	328	49	173	56	0	.	420	56	2942	15
hêtre	4031	14	235	51	400	36	14878	9	2894	21	3458	19	0	.	873	27	2505	21	3439	18	3686	16	1980	17	909	42	1517	28	5882	16	2288	22	4772	15	1629	20	1581	19	11200	14	1148	34	7360	12	2216	28	224	40	4385	14	83489	3
érable	1083	21	28	79	530	42	4172	12	841	27	1000	25	0	.	648	34	869	26	857	23	954	20	1272	30	308	34	435	75	1966	18	232	51	1423	28	685	36	897	26	916	33	394	38	3631	17	1205	25	134	59	1938	20	26420	5
frêne	814	26	0	.	235	47	1527	19	383	36	1312	25	34	100	293	39	866	39	612	29	493	30	242	36	521	67	166	56	1109	24	214	43	517	29	532	41	685	23	1963	27	391	46	1699	20	912	29	101	73	742	21	16364	7
chêne	354	39	0	.	0	.	464	27	243	47	258	40	266	58	0	.	91	72	163	45	119	44	245	89	22	100	0	.	53	49	192	42	341	66	6	100	337	30	1978	26	61	75	1981	31	1080	34	0	.	337	28	8591	12
châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	758	54	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	9595	14	0	.	7	100	90	65	0	.	0	.	10450	13
autres feuillus	1591	19	0	.	163	56	3968	14	459	29	1044	25	69	79	375	49	5776	21	1088	27	890	29	388	37	293	46	243	36	1147	30	123	51	712	32	601	32	1018	37	11891	12	419	36	2196	18	4280	15	70	61	1581	21	40383	5
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	12234	11	2003	29	3803	24	64780	5	6674	16	15699	11	515	54	4852	19	58492	6	11387	12	19483	10	11493	11	4143	30	9593	17	20065	11	4584	19	11641	13	9080	14	8705	14	50282	6	8442	17	35159	8	42322	7	1426	32	16036	10	432892	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. 1325471. Birmensdorf, Swiss Federal Research Institute WSL

page précedente