Att använda hjälpinformation vid bedömning av måluppfyllelse
Vilken metod och med vilka regler man än avgör om ett mål är uppfyllt så spelar osäkerheten i skattningarna
in. För en given ekonomisk insats vill man därför minimera osäkerheten. Det finns många metoder för detta. Gemensamt för dessa är att man utnyttjar känd information om variabler som har effekt på variationen i enskilda y-värden (de som skattningen baseras på), eller skaffar sig sådan information på ett resurssnålt sätt.
För datainsamlingen (inventeringen) finns flera metoder som stratifiering, sampling med olika sannolikheter (PPS), kvotskattning och tvåfassampling. Den information som används vid dessa metoder behöver inte vara objektiv (som kostar mycket), utan det går mycket väl att använda subjektiva bedömningar (som inte kostar mycket). Vid kvotskattning och tvåfassampling ”kalibreras” sedan subjektiva data med hjälp av ett objektivt (sannolikhets-)urval. De uppräknade metoderna är mycket tillämpade inom skogsinventering (areell inventering), där subjektiva data t.ex. kan erhållas med hjälp av fjärranalys.
Variationen i enskilda y-värden har stort inflytande på noggrannheten av skattningen . Variationen beror ofta på en mängd egentligen ovidkommande faktorer och det finns möjligheter att ta hänsyn till detta genom statistiska analyser som bygger på statistiska modeller. Tänkbara på sådana faktorer kan (i olika sammanhang) vara säsong, år (årsmån), avstånd till tätort, nederbörden tiden före mätningen, person som utför mätningen, osäkerhet i kemiska analyser, tillfälliga skador på träd (snöbrott, stormfällning) etc. I en statistisk modell beskrivs hur det observerade värdet beror på sådana faktorer, symboliskt alltså, där A, B, ... är faktorer,
populationsmedel + effekt av A + effekt av B +…+ epsilon
där ”epsilon” beskriver den slumpmässiga variation som inte kan förklaras av de faktorer vi känner till. Det är då vanligen variationen av ”epsilon” som är den som borde påverka noggrannheten i skattningen. Vissa av faktorerna A, B, … är till naturen fixerade värden, så är t.ex. effekten av säsong det i den meningen att y-värdena konsekvent är högre och lägre under olika säsonger. Andra faktorer är helt slumpmässiga, som nederbörden och person som utför mätning. De fixerade och slumpmässiga behandlas på litet olika sätt. De fixerade bör påverka själva definitionen av målvariabeln Y. Man bör alltså t.ex. ange för vilket avstånd till tätort som Y ska avse, och härrör ett y-värde från ett annat avstånd ska det (kunna) justeras till det avsedda avståndet.
