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.

IFN3–IFN4
exploitations de bois fort
propriété (2 classes) · résineux et feuillus
découpage régional: canton
unité: 1000 m³/an
ensemble analysé: forêt accessible sans la forêt buissonnante IFN3/IFN4
réseau: réseau 1,4 km
évolution 2004/06–2009/17
		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
propriété (2 classes)	résineux et feuillus	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	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	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	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	.
	feuillus	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	.
	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	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	.
publique	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	.
	résineux	202	16	10	87	14	76	439	15	18	41	190	23	2	100	24	45	290	16	110	25	103	28	77	19	10	81	51	40	74	34	40	36	93	20	58	35	68	31	23	38	14	42	377	15	118	21	48	49	163	21	2680	5
	feuillus	192	19	2	71	12	84	169	17	50	36	57	48	6	66	14	81	13	41	54	25	25	35	34	33	4	81	18	57	57	40	36	41	77	19	15	55	35	33	12	39	0	100	180	21	6	73	11	50	114	19	1237	7
	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
	total	394	13	12	80	26	79	608	12	68	30	247	22	8	56	38	42	303	16	164	20	128	27	111	18	14	63	69	35	130	27	75	28	170	16	73	35	102	25	35	28	14	42	557	13	125	21	59	42	277	16	3917	4
privée	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	.
	résineux	22	46	19	68	88	50	690	12	25	70	30	47	0	0	10	100	35	43	44	39	274	18	58	27	0	100	13	75	146	24	1	63	15	60	40	34	97	26	7	100	2	67	83	32	6	52	7	49	154	20	1901	7
	feuillus	42	31	0	0	11	78	220	22	31	62	19	51	4	91	3	58	12	58	10	47	69	34	8	40	0	0	0	100	83	35	0	0	27	40	13	60	70	35	26	32	5	90	25	37	4	60	6	63	83	30	791	10
	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
	total	65	28	19	68	99	48	910	11	56	52	49	35	4	91	13	87	47	42	55	37	343	16	66	25	0	100	13	74	229	22	1	63	43	41	53	36	167	24	33	32	8	73	108	29	10	41	13	46	236	20	2692	6
total	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	.
	résineux	224	15	29	54	103	45	1126	9	42	44	225	21	2	100	34	44	326	15	155	21	377	15	135	16	11	80	64	36	221	19	41	35	108	19	99	25	165	20	29	37	16	38	463	14	125	20	54	42	317	14	4577	4
	feuillus	234	16	2	71	23	57	389	14	80	32	77	38	9	54	17	66	24	35	64	22	94	27	42	28	4	81	18	55	140	26	36	41	105	18	28	41	104	26	39	25	6	86	208	19	10	51	17	39	197	17	2026	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	0	0
	total	458	12	31	52	127	42	1515	8	123	28	302	19	11	48	51	38	350	15	219	17	471	14	177	14	15	62	82	31	362	17	76	28	213	15	126	25	269	17	68	21	22	38	671	12	135	20	71	34	514	13	6603	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. 1299670. Birmensdorf, Swiss Federal Research Institute WSL

page précedente