我们的模型无法准确预测周六的航班数量：夏季的航班比我们预期的多，而秋季的航班比我们预期的少。在下一节中，我们将看到如何更好地捕捉这种模式。

• 有些日子的航班数量远少于预期：

daily %>% filter(resid < -100) #> # A tibble: 11 × 4 #> date n wday resid #> #> 1 2013-01-01 842 周二 -109 #> 2 2013-01-20 786 周日 -105 #> 3 2013-05-26 729 周日 -162 #> 4 2013-07-04 737 周四 -229 #> 5 2013-07-05 822 周五 -145 #> 6 2013-09-01 718 周日 -173 #> # ... with 5 more rows

如果你熟悉美国的公共假日，你可能会认出元旦、7月4日、感恩节和圣诞节。还有一些日子似乎并不对应公共假日。你将在其中一道练习题中处理这些日子。

• 一年之中似乎存在某种更平滑的长期趋势。我们可以用 geom_smooth() 来突出显示这一趋势：

daily %>% ggplot(aes(date, resid)) + geom_ref_line(h = 0) + geom_line(color = "grey50") + geom_smooth(se = FALSE, span = 0.20) #> geom\_smooth() 使用 method = 'loess'