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
biomasse des arbres vifs
essence principale
découpage régional: canton
unité: Mio kg
ensemble analysé: forêt accessible sans la forêt buissonnante IFN4/IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2018/26
	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	1529	20	1643	30	1212	29	17418	7	446	34	5111	14	3	75	2108	23	22351	6	1285	23	4232	13	2648	15	1069	34	2648	19	6391	13	790	28	1013	26	3382	16	1514	21	4646	18	2660	21	7699	10	9709	9	611	37	3340	14	105455	2
sapin	873	27	354	40	897	36	9851	9	329	36	1431	23	3	100	303	47	1256	23	2331	20	3744	14	2764	17	214	54	786	33	2280	17	110	59	797	22	1295	24	829	31	841	27	556	32	4297	13	1006	26	234	44	1243	19	38622	4
pin	92	56	0	.	0	.	853	27	182	34	197	55	43	100	0	.	1766	17	226	37	149	54	79	59	3	100	155	83	105	48	203	38	207	31	54	74	244	42	111	51	168	53	113	46	1325	18	0	.	506	22	6783	8
mélèze	186	40	0	.	0	.	178	44	17	71	61	68	0	.	31	100	6267	9	14	100	19	58	27	100	0	.	12	100	215	46	23	59	13	100	36	100	47	60	3439	13	0	.	331	31	6507	11	26	100	182	37	17628	6
arole	0	.	0	.	0	.	8	100	0	.	0	.	0	.	0	.	1314	18	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	7	100	0	.	0	.	777	22	0	.	0	.	2106	13
autres résineux	123	49	0	.	9	73	339	39	151	100	0	.	0	.	2	100	41	35	8	74	205	70	5	100	0	.	6	88	213	93	39	100	38	58	8	74	3	72	48	98	6	100	69	54	12	57	0	.	52	50	1381	24
hêtre	4165	16	254	47	395	36	11848	9	2050	19	2781	19	0	.	764	31	1686	21	2718	17	3117	17	1064	17	383	42	1119	30	4801	15	1727	21	3792	15	1570	24	1613	20	5011	12	892	33	5739	12	774	29	261	43	3948	14	62470	3
érable	496	22	18	74	200	41	1912	12	387	27	438	24	2	100	350	33	416	26	387	23	404	21	455	27	123	36	206	49	1415	17	76	53	571	21	285	27	368	38	304	29	169	38	984	15	370	25	88	46	992	18	11417	5
frêne	621	29	0	.	194	52	1138	24	269	42	1027	28	7	100	228	44	306	36	629	29	458	50	80	46	408	59	81	73	1187	24	181	47	368	27	492	37	640	26	671	31	165	56	1079	22	380	31	93	60	1028	23	11730	7
chêne	697	34	0	.	0	.	573	21	152	53	195	44	320	58	0	.	165	60	266	45	248	49	73	60	4	100	0	.	92	60	170	47	183	43	16	100	888	49	836	20	83	74	933	24	237	34	10	100	522	26	6665	10
châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	407	43	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4424	15	0	.	5	100	158	51	0	.	0	.	4994	13
autres feuillus	534	24	0	.	57	70	1099	16	156	32	403	32	10	65	119	46	1441	19	325	35	223	27	50	34	67	50	37	39	391	25	29	48	242	37	237	33	543	42	3266	11	189	37	1220	29	890	18	5	63	544	25	12078	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
total	9316	11	2269	28	2964	24	45216	5	4140	16	11644	11	389	54	3905	18	37416	5	8188	12	12798	10	7245	11	2272	25	5050	16	17089	9	3348	18	7223	12	7375	13	6689	14	23604	6	4888	17	22469	7	22145	6	1329	30	12357	9	281327	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. 1305186. Birmensdorf, Swiss Federal Research Institute WSL

page précedente