Ticari havacılık kazalarında bölgesel farklılıklar ve uzun dönemli eğilimler: Uçuş hacmi kontrollü panel sayım veri analizi (2005–2025)

Abstract

Bu çalışma, 2005–2025 döneminde sekiz Uluslararası Hava Taşımacılığı Birliği (IATA) operatör bölgesinde meydana gelen ticari havacılık kazalarının uzun dönemli ve bölgesel dinamiklerini incelemektedir. IATA Etkileşimli Güvenlik Raporu’ndan elde edilen kaza ve sektör verileri kullanılarak 168 bölge-yıl gözleminden oluşan dengeli bir panel veri seti oluşturulmuştur. Bağımlı değişken yıllık kaza sayısıdır. Bölgeler ve yıllar arasındaki uçuş hacmi farklılıklarını kontrol etmek amacıyla sektör sayısının doğal logaritması modele offset terimi olarak dâhil edilmiştir. Ana model olarak bölgesel sabit etkiler ve HC1 sağlam standart hatalar içeren Poisson regresyonu kullanılmış; aşırı saçılmaya karşı sağlamlık kontrolü Negatif Binom modeliyle gerçekleştirilmiştir. Poisson modeli sonuçları, bir milyon sektör başına beklenen kaza oranında istatistiksel olarak anlamlı bir uzun dönemli azalma eğilimi bulunduğunu göstermektedir. Zaman trendine ait olay oranı 0,936 olup bu değer beklenen kaza oranında yıllık ortalama yaklaşık %6,4 azalmaya işaret etmektedir. Pandemi değişkeni, uçuş hacmi kontrol edildikten sonra istatistiksel olarak anlamlı bulunmamıştır. Buna karşılık sektör sayısının kullanılmadığı karşılaştırma modelinde pandemi değişkeninin negatif ve anlamlı olması, pandemi dönemindeki ham kaza sayısı azalmasının önemli ölçüde uçuş hacmindeki daralmayı yansıttığını göstermektedir. Ayrıca operatör bölgeleri arasında istatistiksel olarak anlamlı kaza oranı farklılıkları belirlenmiştir. Negatif Binom modeli de uzun dönemli negatif zaman trendini ve pandemi değişkeninin anlamsızlığını doğrulamıştır. Bulgular, ticari havacılık emniyet performansının değerlendirilmesinde ham kaza sayılarının uçuş hacmiyle birlikte ele alınması gerektiğini göstermektedir.

Keywords

• panel veri analizi
• Poisson regresyonu
• kaza sıklığı
• bölgesel heterojenlik
• COVID-19 etkisi

Ethical Statement

Bu çalışma kamuya açık olarak yayımlanan ikincil veri kaynaklarına dayanmaktadır. Çalışmada insan veya hayvan denek kullanılmadığı için etik kurul izni gerekmemektedir. Bu makale araştırma ve yayın etiği standartlarını karşılamaktadır.

Regional differences and long-term trends in commercial aviation accidents: A panel count-data analysis controlling for flight volume (2005–2025)

Abstract

This study examines the long-term and regional dynamics of commercial aviation accidents across eight International Air Transport Association (IATA) operator regions during the 2005–2025 period. A balanced panel dataset comprising 168 region-year observations was constructed using accident and sector data obtained from the IATA Interactive Safety Report. The dependent variable is the annual number of accidents. To control differences in flight volume across regions and years, the natural logarithm of the number of sectors was incorporated into the models as an offset term. A Poisson regression model with regional fixed effects and HC1 robust standard errors was used as the main specification, while a Negative Binomial model was estimated as a robustness check for potential overdispersion. The Poisson results indicate a statistically significant long-term decline in the expected accident rate per million sectors. The incidence rate ratio for the time trend is 0.936, corresponding to an average annual decrease of approximately 6.4% in the expected accident rate. After controlling flight volume, the pandemic-period indicator is not statistically significant. In contrast, the pandemic indicator is negative and significant in the comparison model without the sector offset, indicating that the decline in raw accident counts during the pandemic largely reflects the contraction in flight volume. Statistically significant differences in accident rates are also identified across operator regions. The Negative Binomial results confirm both the negative long-term time trend and the absence of a statistically significant pandemic-period association. Overall, the findings demonstrate that raw accident counts should be evaluated together with flight volume when assessing commercial aviation safety performance.

Keywords

• Aviation Safety
• Panel Data
• Poisson Regression
• Accident Frequency
• Regional Heterogeneity
• COVID-19 Shock

References

1. Barnett, A., & Higgins, M. (1989). Airline safety: The last decade. Management Science, 35(1), 1–21. https://doi.org/10.1287/mnsc.35.1.1
2. Barnett, A., & Wang, A. (2000). Passenger-mortality risk estimates provide perspectives about airline safety. Flight Safety Digest, 19(4), 1–12.
3. The Boeing Company. (2024). Statistical summary of commercial jet airplane accidents: Worldwide operations 1959–2024. https://www.boeing.com/content/dam/boeing/v2/company/statsum.pdf
4. Cameron, A. C., & Trivedi, P. K. (2013). Regression analysis of count data (2nd ed.). Cambridge University Press.
5. Chang, Y.-H., & Yeh, C.-H. (2004). A new airline safety index. Transportation Research Part B: Methodological, 38(4), 369–383. https://doi.org/10.1016/S0191-2615(03)00047-X
6. Gudmundsson, S. V., Cattaneo, M., & Redondi, R. (2021). Forecasting temporal world recovery in air transport markets in the presence of large economic shocks: The case of COVID-19. Journal of Air Transport Management, 91, 102007. https://doi.org/10.1016/j.jairtraman.2020.102007
7. Hausman, J. A., Hall, B. H., & Griliches, Z. (1984). Econometric models for count data with an application to the patents–R&D relationship. Econometrica, 52(4), 909–938. https://doi.org/10.2307/1911191
8. Hilbe, J. M. (2011). Negative binomial regression (2nd ed.). Cambridge University Press.

9. Hollnagel, E. (2014). Safety-I and Safety-II: The past and future of safety management. Ashgate.
10. International Air Transport Association. (t.y.). IATA annual safety report. 14 Ağustos 2026 tarihinde https://www.iata.org/en/publications/safety-report/ sayfasından alınmıştır.
11. International Civil Aviation Organization. (2018). Safety management manual (4th ed., Doc 9859).
12. International Civil Aviation Organization (ICAO). (2021). Effects of novel coronavirus (COVID-19) on civil aviation: Economic impact analysis. ICAO.
13. International Civil Aviation Organization (ICAO). (2022). Safety report 2022. ICAO.
14. Janic, M. (2000). An assessment of risk and safety in civil aviation. Journal of Air Transport Management, 6(1), 43–50. https://doi.org/10.1016/S0969-6997(99)00021-6
15. Kharoufah, H., Murray, J., Baxter, G., & Wild, G. (2018). A review of human factors causations in commercial air transport accidents and incidents: From 2000 to 2016. Progress in Aerospace Sciences, 99, 1–13. https://doi.org/10.1016/j.paerosci.2018.03.002
16. Li, G., Baker, S. P., Grabowski, J. G., & Rebok, G. W. (2001). Factors associated with pilot error in aviation crashes. Aviation, Space, and Environmental Medicine, 72(1), 52–58.
17. Lord, D., & Mannering, F. (2010). The statistical analysis of crash-frequency data: A review and assessment of methodological alternatives. Transportation Research Part A: Policy and Practice, 44(5), 291–305. https://doi.org/10.1016/j.tra.2010.02.001
18. Mannering, F. L., & Bhat, C. R. (2014). Analytic methods in accident research: Methodological frontier and future directions. Analytic Methods in Accident Research, 1, 1–22. https://doi.org/10.1016/j.amar.2013.09.001
19. Reason, J. (1997). Managing the risks of organizational accidents. Ashgate.
20. Stolzer, A., Halford, C., & Goglia, J. (2008). Safety management systems in aviation. Routledge.
21. Sun, X., Wandelt, S., & Zhang, A. (2020). How did COVID-19 impact air transportation? A first peek through the lens of complex networks. Journal of Air Transport Management, 89, 101928. https://doi.org/10.1016/j.jairtraman.2020.101928
22. Weick, K. E., & Sutcliffe, K. M. (2011). Managing the unexpected: Resilient performance in an age of uncertainty. John Wiley & Sons.
23. Wiegmann, D. A., & Shappell, S. A. (2003). A human error approach to aviation accident analysis: The Human Factors Analysis and Classification System. Ashgate.