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.

IFN2
nombre total de tiges
essence principale
découpage régional: canton
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 km
état 1993/95
	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	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%
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	5263	15	1720	26	2757	21	36035	6	911	28	11464	10	15	78	3904	21	38110	5	4225	16	10014	11	4083	13	1773	29	5526	15	11536	10	1584	24	3278	18	6676	13	4140	18	5567	11	4094	17	15553	7	19418	7	1309	30	8390	11	207347	2
sapin	1901	17	443	33	750	27	14240	6	678	23	2408	17	0	.	480	35	1372	16	3757	13	5003	11	3508	14	364	32	893	26	3008	12	101	42	1982	17	1690	17	982	24	1177	23	1098	25	6274	10	1932	20	539	33	1589	15	56170	3
pin	773	23	8	100	5	100	1283	20	520	27	298	36	134	87	0	.	6083	13	524	33	282	50	226	46	0	.	359	70	439	42	347	41	627	27	313	44	422	29	480	44	438	42	332	33	6623	14	0	.	899	16	21415	6
mélèze	386	40	4	100	26	100	368	37	13	76	178	59	0	.	4	100	7108	8	8	71	38	63	4	100	0	.	7	100	428	34	108	47	28	74	15	72	114	51	4082	12	4	100	331	27	9667	8	8	100	164	29	23094	5
arole	0	.	0	.	0	.	12	58	0	.	0	.	0	.	0	.	2633	16	0	.	0	.	0	.	0	.	98	100	24	100	0	.	0	.	0	.	0	.	10	100	38	100	0	.	1813	18	0	.	0	.	4628	12
autres résineux	148	58	20	100	10	100	347	38	162	71	22	72	0	.	10	100	642	35	10	100	107	50	9	100	31	100	10	100	133	46	22	85	129	48	10	100	88	64	4	100	104	53	447	43	165	82	0	.	223	45	2854	15
hêtre	6454	10	386	34	867	28	17294	7	3398	14	4517	14	0	.	1639	25	2617	16	4464	12	3979	13	2247	13	924	34	1810	25	6465	12	2570	18	5798	11	2168	17	1730	15	10783	10	747	30	8663	8	2027	22	327	32	4405	11	96281	2
érable	1222	16	283	59	245	38	3185	10	605	20	738	19	20	71	676	27	687	22	977	16	659	20	571	26	280	28	417	37	1804	15	190	46	1056	17	757	23	705	33	629	25	282	35	2799	14	781	21	147	45	1389	17	21103	4
frêne	1118	17	76	60	455	36	1759	14	635	32	1068	22	39	79	484	51	1083	29	1300	20	895	28	201	50	299	51	221	43	1858	17	166	46	625	28	715	35	768	20	1653	17	209	43	2193	16	836	21	305	41	1348	16	20306	5
chêne	1000	22	0	.	4	100	711	19	452	47	273	30	948	43	0	.	423	44	281	32	235	40	318	59	11	100	5	100	250	55	292	27	456	38	43	56	436	27	2136	19	52	56	2781	19	733	23	5	100	324	21	12168	8
châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1040	40	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	12149	10	0	.	94	72	249	50	0	.	0	.	13533	9
autres feuillus	1901	17	135	50	157	50	3845	12	852	22	1127	20	120	56	510	32	6364	13	1375	19	1125	26	544	27	182	45	570	34	2208	18	97	39	1093	21	901	30	1154	23	12996	8	788	35	3545	13	5031	13	71	51	1390	18	48081	4
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	20165	7	3075	22	5278	18	79080	4	8225	12	22093	8	1275	38	7707	16	68162	4	16921	8	22338	8	11710	9	3864	20	9916	12	28151	7	5477	14	15071	9	13288	10	10539	11	51668	4	7855	13	43013	5	49276	5	2712	21	20120	7	526978	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. 1370650. Birmensdorf, Swiss Federal Research Institute WSL

page précedente