La gestión eficiente de la seguridad aérea requiere el análisis preciso de las tendencias en los incidentes. Si bien los modelos estadísticos clásicos a menudo se basan en la autocorrelación de las secuencias de indicadores para el ajuste de tendencias, aún queda un margen significativo para mejorar el rendimiento. Para mejorar la precisión y la interpretabilidad de los análisis de tendencias de incidentes en la aviación, proponemos el modelo Causal-ARIMA, que se basa en la teoría de la inferencia causal, y empleamos cuatro estrategias de modelado distintas para ajustar la tendencia de los incidentes en el sector de la aviación civil de China entre 1994 y 2020. El objetivo es validar el rendimiento del modelo Causal-ARIMA e identificar las estrategias óptimas de análisis de tendencias. Las cuatro estrategias de modelado tienen en cuenta factores de causalidad, estacionariedad y causalidad con el volumen operativo, incorporando modelos como AR, ARMA, ARIMA y Causal-ARIMA. Nuestros hallazgos revelan que las técnicas de conjunto que incorporan el modelo Causal-ARIMA (Estrategia 2 y 3) superan a los métodos clásicos de análisis de tendencias (Estrategia 1) en términos de ajuste del modelo. Específicamente, la técnica de ajuste binario basada en la causalidad (Estrategia 3) logra el rendimiento de ajuste más uniformemente disperso. Cuando se relajan los supuestos para utilizar el modelo Causal-ARIMA, aplicarlo a variables sin relaciones causales de Granger resulta en un rendimiento desigual del modelo (Estrategia 4). Según nuestro estudio, el modelo Causal-ARIMA puede servir como una herramienta potente para el análisis de tendencias en el ámbito de la seguridad aérea. Las estrategias de modelado basadas en el modelo Causal-ARIMA proporcionan valiosos conocimientos para la gestión de la seguridad aérea.