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
réseau: réseau 1,4 km
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	2945	13	921	26	1632	19	21005	5	488	29	5570	10	4	87	1894	18	18114	5	1877	14	5127	10	2764	12	622	26	2670	14	6939	9	808	22	1602	17	3686	12	2126	16	2562	11	1863	17	8497	7	7728	7	680	27	4600	10	106726	2
sapin	1283	16	335	32	524	25	8814	7	225	32	1275	18	0	.	296	38	883	17	1736	14	2716	12	1933	13	188	37	462	28	1842	14	42	60	973	17	872	17	433	27	627	24	295	32	2945	10	641	21	246	28	1667	15	31251	3
pin	611	21	10	100	3	100	798	20	377	28	294	34	17	65	0	.	1796	13	326	28	91	46	96	45	0	.	62	64	206	35	175	33	477	19	116	46	322	25	210	39	119	38	225	39	1363	14	1	100	966	16	8659	5
mélèze	217	27	4	100	29	100	203	28	32	73	138	52	0	.	14	100	3960	8	14	72	48	94	13	100	0	.	4	100	245	38	45	60	9	78	26	71	22	71	1549	12	26	100	141	31	4548	8	19	100	228	31	11534	5
arole	0	.	0	.	0	.	3	100	0	.	0	.	0	.	0	.	925	15	0	.	0	.	0	.	0	.	17	100	9	100	0	.	0	.	0	.	0	.	0	.	7	100	0	.	509	17	0	.	0	.	1469	11
autres résineux	23	50	1	100	1	100	106	43	12	100	34	74	0	.	1	100	25	47	1	100	48	75	1	100	2	100	0	.	56	87	11	91	8	54	0	100	3	78	0	.	3	63	65	76	7	74	0	.	33	39	440	22
hêtre	4133	10	178	38	585	27	9297	7	2374	14	2459	15	3	100	769	26	1018	21	2905	12	2384	15	1137	15	379	32	961	28	2940	13	1008	16	3800	11	1108	19	1107	19	2539	10	282	32	4463	9	363	24	220	42	3746	11	50157	3
érable	423	18	26	50	107	37	939	12	254	22	155	27	5	100	187	26	113	25	346	18	200	25	143	29	111	37	81	37	724	14	43	35	322	20	138	25	193	34	80	35	47	40	560	13	82	27	62	44	497	17	5837	4
frêne	704	18	67	84	162	34	851	17	174	33	455	23	4	79	126	44	111	39	484	21	232	23	92	51	129	43	50	41	679	17	111	36	213	25	183	31	371	22	219	19	46	55	862	17	110	28	169	40	751	15	7357	5
chêne	770	19	0	.	11	100	546	16	209	33	187	30	244	42	0	.	188	50	294	38	155	43	75	42	1	100	7	100	152	49	270	33	237	27	29	80	405	26	439	19	22	71	1077	18	66	29	16	100	495	22	5896	7
châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	242	34	0	.	0	.	0	.	0	.	0	.	2	100	0	.	0	.	0	.	0	.	3329	12	0	.	32	89	46	47	0	.	0	.	3651	11
autres feuillus	631	22	21	62	17	55	696	14	247	32	207	30	15	70	80	35	552	16	282	20	141	26	107	35	71	64	70	31	404	19	20	47	249	24	149	27	274	26	1649	9	76	38	563	18	545	19	14	46	438	19	7518	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	.
total	11741	7	1563	22	3070	17	43257	4	4394	11	10773	8	291	40	3366	14	27929	4	8264	8	11141	8	6361	9	1503	20	4385	13	14198	7	2532	15	7889	9	6307	10	5257	11	13203	5	2786	14	19428	5	16008	5	1428	21	13421	7	240495	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. 1305016. Birmensdorf, Swiss Federal Research Institute WSL

page précedente