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.

IFN4–IFN5
exploitations et mortalité
propriété (2 classes) · essence principale
découpage régional: région de forêt protectrice
unité: 1000 m³/an
ensemble analysé: forêt accessible sans la forêt buissonnante IFN4/IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
évolution 2009/17–2018/26
		région de forêt protectrice
		Plateau/Jura		Nord des Alpes ouest		Nord des Alpes est		Sud-ouest des Alpes		Sud-est des Alpes		Sud des Alpes		Suisse
propriété (2 classes)	essence principale	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%
pas d'indication	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	sapin	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pin	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	mélèze	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	autres résineux	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	hêtre	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	érable	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	frêne	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	chêne	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	autres feuillus	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	0	.	0	.	0	.	0	.	0	.	0	.	0	.
publique	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	1301	9	365	22	464	19	171	23	419	18	248	26	2969	7
	sapin	503	14	88	27	77	25	5	59	21	42	11	54	704	11
	pin	83	22	7	75	1	100	22	35	27	42	1	100	142	17
	mélèze	23	53	4	61	5	75	35	32	57	37	38	42	161	20
	arole	0	.	0	.	0	.	5	47	6	66	0	0	12	42
	autres résineux	32	75	0	0	0	0	0	0	1	63	0	0	33	73
	hêtre	861	9	39	37	89	29	10	65	18	47	16	36	1033	8
	érable	67	18	14	41	18	39	1	59	1	77	0	0	101	15
	frêne	210	18	27	43	57	35	2	71	4	83	7	52	307	14
	chêne	85	26	0	72	3	65	1	85	0	0	9	42	99	23
	châtaignier	0	100	0	0	0	.	0	0	0	0	33	25	34	25
	autres feuillus	114	22	22	29	33	45	16	50	32	34	68	28	287	13
	indéterminable	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	total	3279	6	565	18	748	14	268	17	587	14	431	17	5879	4
privée	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	691	14	590	18	261	25	18	40	90	38	4	78	1659	10
	sapin	466	21	229	22	106	32	0	0	1	71	0	0	805	14
	pin	51	36	0	0	2	72	4	54	3	95	2	100	61	30
	mélèze	7	69	2	100	1	100	19	63	3	62	3	100	34	38
	arole	0	.	0	0	0	.	0	100	0	0	0	.	0	100
	autres résineux	3	89	1	100	0	0	0	0	0	0	0	0	4	70
	hêtre	344	15	151	37	80	33	3	72	2	100	3	65	582	14
	érable	23	38	16	33	14	48	1	100	1	100	2	91	57	22
	frêne	186	19	45	31	56	30	16	83	4	100	2	86	309	14
	chêne	37	36	0	0	2	100	2	61	0	0	9	63	49	29
	châtaignier	0	.	0	.	0	.	4	100	0	0	74	22	77	21
	autres feuillus	25	26	46	55	14	44	10	50	16	47	37	42	149	22
	indéterminable	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	total	1832	9	1081	14	536	17	75	31	121	30	136	19	3786	6
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	1991	8	956	14	725	15	189	21	509	16	252	25	4628	5
	sapin	969	12	318	17	183	21	5	59	22	40	11	54	1509	9
	pin	134	19	7	75	4	58	26	31	30	39	3	72	203	15
	mélèze	30	44	5	52	6	64	54	30	61	35	40	40	195	17
	arole	0	.	0	0	0	.	5	46	6	66	0	0	12	42
	autres résineux	35	69	1	100	0	0	0	0	1	63	0	0	37	65
	hêtre	1205	8	191	30	168	22	12	53	19	44	19	32	1615	7
	érable	90	16	30	26	32	31	1	58	2	61	2	91	158	12
	frêne	395	13	72	25	113	23	18	73	8	66	9	44	616	10
	chêne	122	21	0	72	5	56	3	51	0	0	17	37	148	18
	châtaignier	0	100	0	0	0	.	4	100	0	0	106	16	111	16
	autres feuillus	139	18	68	38	48	34	26	36	48	27	106	23	436	11
	indéterminable	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	total	5111	4	1648	11	1283	11	343	15	707	13	566	13	9665	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. 1991030. Birmensdorf, Swiss Federal Research Institute WSL

page précedente