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.

IFN1
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 1983/85
	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	3193	17	1191	30	1755	26	20555	7	654	38	5502	14	1	100	2130	23	17103	7	1570	20	5521	13	2756	15	593	36	2510	21	6342	13	979	25	1745	22	3343	16	2022	18	2693	16	2013	22	7386	10	7442	9	379	38	4460	12	103839	2
sapin	1055	23	293	42	574	32	8725	9	153	49	1155	28	0	.	237	50	886	23	1568	20	2942	15	1851	17	161	58	664	32	1578	18	33	80	887	26	927	24	412	32	544	35	408	38	2807	14	596	28	149	43	1465	19	30072	4
pin	542	32	0	.	6	100	1025	24	199	37	386	44	31	65	0	.	1767	17	271	37	108	62	76	67	0	.	61	87	66	77	249	38	448	25	28	81	311	35	136	56	124	50	279	50	1227	18	0	.	941	20	8278	7
mélèze	199	36	0	.	0	.	299	32	57	72	98	65	0	.	23	100	4029	11	10	100	6	74	23	100	0	.	0	.	142	51	28	75	0	.	25	100	17	100	1528	17	43	100	123	41	3984	11	33	100	210	41	10877	6
arole	0	.	0	.	0	.	5	100	0	.	0	.	0	.	0	.	874	20	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	436	24	0	.	0	.	1315	16
autres résineux	21	54	0	.	2	100	124	58	22	100	22	100	0	.	1	100	3	84	1	100	76	78	2	100	0	.	0	.	89	90	2	100	9	63	1	100	1	100	0	.	4	73	94	95	12	74	0	.	28	56	512	30
hêtre	3861	15	185	50	439	35	10406	9	2085	20	2113	21	0	.	722	31	1342	26	2886	16	2529	20	947	19	305	53	1157	35	3017	18	1158	21	3404	15	920	30	1112	26	2403	14	425	34	4227	12	447	31	114	57	3437	14	49643	3
érable	505	24	14	73	145	45	1027	15	229	29	120	35	0	.	158	31	136	32	299	23	165	26	154	40	78	43	105	54	908	17	25	58	308	24	139	30	216	45	28	49	58	47	487	19	78	42	51	59	525	20	5957	6
frêne	710	26	0	.	159	49	805	23	195	38	474	28	5	100	165	54	145	51	475	31	253	32	135	62	187	49	33	71	662	22	135	46	175	35	241	38	390	27	128	31	38	83	813	22	108	39	115	72	833	19	7380	7
chêne	451	27	0	.	0	.	403	21	180	49	143	43	303	55	0	.	56	70	244	47	200	52	92	49	2	100	0	.	110	53	262	41	120	41	9	100	568	31	518	24	39	71	718	26	58	43	0	.	591	27	5067	9
châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	228	45	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	3285	17	0	.	0	.	73	51	0	.	0	.	3585	15
autres feuillus	482	26	3	72	14	71	757	19	180	38	242	38	2	100	82	49	579	21	240	32	119	29	138	44	24	75	43	55	403	25	28	57	202	35	165	37	340	35	1519	14	92	50	616	24	424	27	14	65	352	24	7058	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	.
total	11019	10	1686	28	3094	23	44131	5	3952	16	10253	11	342	52	3518	19	27148	5	7564	11	11918	10	6175	11	1351	28	4573	18	13317	10	2897	18	7298	12	5798	14	5390	14	12783	6	3243	18	17550	7	14885	7	856	33	12842	9	233583	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. 1304996. Birmensdorf, Swiss Federal Research Institute WSL

page précedente