为何出现‘Replacement has 2287 rows, data has 2490’报错？

报错原因 #

你遇到的行数不匹配问题，核心原因是线性回归模型lm()会自动剔除包含缺失值（NA）的观测：

• 你的df.Part3原始有2490行，但其中部分行存在缺失值（比如SALE_PRICE、YEAR_BUILT等变量里有NA），lm()运行时会自动删掉这些行，最终参与回归的只有2287行，所以z$residuals的长度是2287。
• 当你试图把2287行的残差赋值给有2490行的df.Part3时，行数不匹配就触发了报错。

解决办法 #

方法1：提前删除缺失值

先把df.Part3里的缺失值行删掉，再做回归，这样残差行数就和数据框行数一致了：

df.Part3 <- df %>%  
  filter(NEIGHBORHOOD_NAME=="BRONXDALE",YEAR>2008,SALE_PRICE>0)%>%  
  mutate(TOTAL_UNITS=RESIDENTIAL_UNITS+COMMERCIAL_UNITS)%>%  
  mutate(SALE_YEAR=year(SALE_DATE))%>%  
  ungroup()%>%  
  select(SALE_PRICE,SALE_YEAR,YEAR_BUILT,GROSS_SQUARE_FEET,TOTAL_UNITS,TYPE) %>%
  drop_na() # 新增：删除所有含NA的行

z <- lm(formula=SALE_PRICE~.,data=df.Part3) 
summary(z)

df.Part3["residuals"] <- z$residuals

方法2：用broom包的augment函数（保留所有行）

如果不想删除原始行，想保留所有观测（缺失值对应的残差设为NA），可以用broom包的augment()函数，它会直接把残差等回归结果合并到原数据框：

library(broom)

df.Part3 <- df %>%  
  filter(NEIGHBORHOOD_NAME=="BRONXDALE",YEAR>2008,SALE_PRICE>0)%>%  
  mutate(TOTAL_UNITS=RESIDENTIAL_UNITS+COMMERCIAL_UNITS)%>%  
  mutate(SALE_YEAR=year(SALE_DATE))%>%  
  ungroup()%>%  
  select(SALE_PRICE,SALE_YEAR,YEAR_BUILT,GROSS_SQUARE_FEET,TOTAL_UNITS,TYPE)

z <- lm(formula=SALE_PRICE~.,data=df.Part3) 
summary(z)

df.Part3 <- augment(z, data = df.Part3)
# 此时df.Part3会新增.resid列，就是残差，所有原始行都保留，缺失值对应的.resid为NA

内容的提问来源于stack exchange，提问作者Thanos of Siberia