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
volume du bois fort de tige (UCB 2010)
classes d'assortiments (USC 2010) · essence (5 classes)
découpage régional: région de forêt protectrice
unité: 1000 m³
ensemble analysé: forêt accessible sans la forêt buissonnante IFN4/IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 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
classes d'assortiments (USC 2010)	essence (5 classes)	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%
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	.
	autres résineux	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	hêtre	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	.
petit bois	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	3208	8	689	16	382	17	293	18	289	10	97	15	4958	6
	sapin	2492	8	267	14	198	34	92	68	8	29	13	23	3070	7
	autres résineux	414	25	37	26	27	32	147	12	131	12	84	17	840	13
	hêtre	141	5	42	11	37	11	4	36	8	28	35	14	267	4
	autres feuillus	87	7	28	12	27	13	15	18	9	23	86	9	252	4
	indéterminable	0	72	0	0	0	100	0	0	0	0	0	0	0	68
	total	6342	6	1064	12	672	16	551	16	444	8	315	7	9387	4
classes 1 et 2	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	10940	6	13246	6	8281	8	5622	10	10049	7	3431	12	51570	3
	sapin	6316	7	4345	9	2022	13	385	25	219	27	440	26	13728	5
	autres résineux	1987	10	503	29	419	26	4137	9	3459	10	2154	11	12659	5
	hêtre	10613	4	3521	9	2793	11	521	28	380	27	2749	13	20577	4
	autres feuillus	9354	5	3437	10	3037	11	1553	13	1160	18	7423	7	25963	3
	indéterminable	14	46	12	53	2	77	1	100	13	100	20	78	63	35
	total	39226	3	25064	4	16554	6	12220	7	15280	5	16216	4	124560	2
classes 3 et 4	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	18701	5	18991	6	13365	8	6358	9	11925	7	5037	14	74377	3
	sapin	14239	6	7745	8	4401	12	770	30	583	25	853	26	28590	4
	autres résineux	3302	10	602	40	343	27	4462	10	4200	9	2338	11	15248	5
	hêtre	19935	4	5428	11	5319	10	297	36	662	31	2044	12	33685	3
	autres feuillus	9969	6	2001	13	2513	12	427	26	390	27	2718	10	18018	4
	indéterminable	11	100	27	71	0	0	0	0	0	0	0	0	37	58
	total	66158	2	34794	4	25940	6	12314	7	17761	6	12989	6	169956	1
classes 5 et 6	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	5658	9	6874	8	5737	11	2085	15	4132	11	2512	18	26997	4
	sapin	4715	10	3776	11	1935	17	216	41	414	30	466	30	11522	6
	autres résineux	1080	27	93	43	85	40	1383	14	1336	14	903	20	4879	9
	hêtre	7650	7	1766	18	1396	18	97	53	209	45	471	19	11589	6
	autres feuillus	3094	14	397	47	493	26	74	42	102	51	989	25	5150	11
	indéterminable	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	total	22196	4	12906	6	9646	8	3855	10	6193	9	5342	10	60138	3
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	38508	4	39801	5	27764	7	14358	9	26395	6	11077	12	157902	2
	sapin	27762	5	16133	8	8556	11	1462	26	1224	24	1772	24	56910	4
	autres résineux	6783	10	1236	26	875	23	10129	9	9126	8	5479	10	33627	4
	hêtre	38339	4	10757	9	9544	10	920	28	1259	27	5299	11	66118	3
	autres feuillus	22504	5	5863	11	6070	10	2070	14	1660	18	11216	7	49384	3
	indéterminable	25	51	39	52	2	77	1	100	13	100	20	78	101	31
	total	133921	2	73828	4	52812	5	28940	6	39678	5	34862	4	364041	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. 1360087. Birmensdorf, Swiss Federal Research Institute WSL

page précedente