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 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	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	1512	21	1498	31	1212	29	16263	7	434	35	4578	15	3	75	1971	24	20109	6	1285	23	3985	14	2648	15	973	36	2487	20	5842	13	790	28	992	26	3134	17	1514	21	4292	20	2502	22	6992	10	9117	10	404	43	3319	14	97858	2
sapin	873	27	354	40	897	36	9692	9	324	37	1431	23	3	100	303	47	1256	23	2331	20	3729	14	2764	17	214	54	786	33	2103	18	110	59	791	22	1218	25	829	31	805	28	541	32	4284	13	990	26	158	44	1243	19	38029	4
pin	92	56	0	.	0	.	834	28	182	34	197	55	43	100	0	.	1690	17	226	37	149	54	79	59	3	100	155	83	57	71	203	38	207	31	44	89	244	42	90	59	141	60	113	46	1307	18	0	.	506	22	6564	8
mélèze	186	40	0	.	0	.	162	48	17	71	61	68	0	.	31	100	5155	11	14	100	19	58	27	100	0	.	12	100	144	49	23	59	13	100	36	100	47	60	2703	15	0	.	331	31	5853	12	26	100	182	37	15039	6
arole	0	.	0	.	0	.	8	100	0	.	0	.	0	.	0	.	1084	20	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	7	100	0	.	0	.	643	24	0	.	0	.	1742	15
autres résineux	123	49	0	.	9	73	309	42	151	100	0	.	0	.	2	100	35	40	8	74	205	70	5	100	0	.	6	100	213	93	39	100	38	58	3	100	3	72	48	98	6	100	69	54	12	57	0	.	52	50	1338	25
hêtre	4135	16	254	47	395	36	11359	9	1868	20	2781	19	0	.	764	31	1573	22	2718	17	3117	17	1064	17	383	42	1119	30	4385	15	1727	21	3718	15	1481	25	1613	20	4903	12	865	34	5728	12	743	30	261	43	3937	14	60889	3
érable	496	22	18	74	200	41	1810	12	344	29	438	24	0	.	302	37	345	25	387	23	404	21	425	29	110	39	153	56	1369	17	76	53	562	21	252	29	368	38	193	38	131	40	942	15	288	30	80	50	975	18	10670	5
frêne	621	29	0	.	194	52	1079	25	241	46	1027	28	7	100	226	44	262	41	629	29	458	50	80	46	408	59	81	73	1097	25	181	47	368	27	453	40	640	26	596	34	159	57	1029	22	281	34	93	60	1014	23	11223	7
chêne	583	35	0	.	0	.	542	22	152	53	195	44	320	58	0	.	132	71	266	45	248	49	73	60	4	100	0	.	90	61	170	47	183	43	16	100	888	49	800	21	83	74	933	24	202	38	0	.	497	27	6378	10
châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	407	43	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4338	15	0	.	5	100	94	54	0	.	0	.	4845	14
autres feuillus	534	24	0	.	57	70	1029	17	149	33	388	33	6	86	119	46	1183	21	325	35	215	28	50	34	60	55	32	43	356	27	29	48	240	37	168	40	352	34	2728	13	81	38	911	32	699	18	5	63	533	26	10248	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	9155	11	2124	29	2964	24	43086	5	3864	17	11096	11	382	55	3718	19	33231	5	8188	12	12529	10	7215	11	2155	27	4830	17	15656	10	3348	18	7113	12	6806	14	6498	14	21503	6	4509	18	21337	7	20230	7	1028	32	12257	9	264821	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. 1305175. Birmensdorf, Swiss Federal Research Institute WSL

page précedente