我来帮你拆解这个问题——在使用带权重的lm()时遇到残差数量和原观测数不匹配，大概率是权重变量的问题，加上模型设定里的一个小细节需要注意，下面一步步解决：

核心原因：权重为0的观测被自动剔除 #

lm()函数在处理weights参数时，会自动过滤掉权重为0的观测值，这就导致拟合后的模型实际使用的样本量比原始数据集少，如果你直接用原始数据的维度去匹配模型输出的残差/拟合值，自然会出现维度不匹配的报错。

排查与解决步骤 #

1. 先确认权重变量的情况 #

先检查你的phrf里是否存在0值，运行下面的代码：

# 查看权重为0的观测数量
table(phrf == 0)
# 查看权重的整体分布
summary(phrf)

如果结果显示有不少0权重的观测，那就要先确认这些0值是数据录入错误，还是抽样设计里的合理情况（比如某些样本被设定为无代表性而赋予0权重）。如果是错误，先修正数据；如果是合理设计，那模型剔除这些观测是正确的。

2. 正确提取模型的残差与拟合值 #

不要用原始数据集的变量去和rstandard(model)配对，应该直接从模型对象中提取对应的数据：

# 先拟合修正后的模型
mincer_model <- lm(log(earnings) ~ Gender + Age + I(Age^2) + Education, weights = phrf)
# 提取模型使用的拟合值和标准化残差
fitted_vals <- fitted(mincer_model)
std_resids <- rstandard(mincer_model)
# 现在绘制图，维度肯定匹配
plot(fitted_vals, std_resids, xlab = "拟合值", ylab = "标准化残差")

或者更简单的，直接用lm()自带的绘图功能，它会自动匹配正确的维度：

# 绘制第1个残差拟合图（默认就是拟合值vs残差）
plot(mincer_model, which = 1)

3. 修正模型设定的小细节 #

这里要提醒你：在lm()公式里，Age^2的写法是错误的！因为lm()中的^符号代表的是交互项+主效应，不是数学上的平方。正确的平方项写法应该用I(Age^2)，它会强制R把Age^2当作数学运算来处理，否则你的模型里其实等于没加平方项，这会导致你的Mincer方程设定错误！

总结 #

• 权重导致的维度不匹配：是因为0权重观测被剔除，要从模型对象中提取对应的数据来绘图；
• 模型设定：务必把Age^2改成I(Age^2)，否则平方项没真正加入模型。

内容的提问来源于stack exchange，提问作者Brandon_33