Reducing airline accident risk and saving lives: financial health, corporate governance, and aviation safety
Notice bibliographique
Résumé
Purpose This study investigates the impact of financial health and corporate governance on aviation safety, aiming to fill a critical gap in existing research. The purpose of this study is to identify how these factors influence the safety records of airlines and provide insights for regulators, airlines and stakeholders to enhance aviation safety. Design/methodology/approach Using a comprehensive international sample spanning 1950–2009 and later, this empirical analysis draws on diverse databases. The authors examine 372 airlines across 70 countries from 1990 to 2016. The research uses statistical models to analyze the relationship between financial indicators, corporate governance quality and aviation safety, addressing limitations of prior single-country studies. Findings The findings reveal a significant inverse relationship between financial health and accident propensity, with profitable airlines exhibiting lower accident rates. Additionally, airlines with higher corporate governance quality, characterized by qualified directors and stable leadership, experience fewer accidents. The study identifies key factors such as pilot errors, mechanical failures and adverse weather, contributing to approximately 75% of accidents, emphasizing the importance of organizational control. Practical implications This research has crucial implications for aviation safety policies and practices. Regulators and international organizations, such as International Civil Aviation Organization and International Air Transport Association, should allocate resources to supervise financially vulnerable airlines and those with lower governance quality. Governments might consider incentivizing safety practices through tax deductibility for relevant expenses. Shareholders are encouraged to prioritize qualified, younger and less busy directors, recognizing their impact on safety performance. Originality/value This study contributes to existing literature by addressing methodological biases and offering a comprehensive international perspective. The identification of a link between financial health, corporate governance and accident rates in the aviation industry provides valuable insights. The research informs policymakers, regulators and industry stakeholders on effective strategies to improve safety by considering financial and governance factors under their control.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».