R中线性模型残差数量比数据集少1个的原因及解决方法

我之前帮不少用户排查过类似的问题，3140条记录拟合后只剩3139个残差，大概率是R的线性模型（lm()）自动剔除了某一条观测，下面给你拆解原因和对应的解决办法：

可能的原因 #

• 隐性缺失值：你检查了fips编码，但模型用到的因变量/自变量里可能藏着NA值。lm()默认会调用na.omit()自动删掉带缺失值的行，而且不会主动提示你，这是最常见的原因。
• 完全共线性问题：如果某条观测的自变量组合和其他观测完全重复，或者自变量之间存在严格的线性关系（比如两个变量完全正相关），lm()会自动剔除这类冗余观测，保证模型可解。
• 重复的FIPS编码：虽然你有3140条记录，但可能存在重复的FIPS，拟合时模型会按唯一的拟合单元返回残差，不过这种情况相对少见。

先定位问题根源 #

先跑几行代码确认到底是哪种情况：

# 假设你的模型对象叫county_model
# 查看模型实际用了多少观测
nobs(county_model)
# 查看被剔除的观测索引（如果是缺失值导致的）
county_model$na.action
# 检查是否存在共线性问题
alias(county_model)
# 检查原始数据是否有重复FIPS
sum(duplicated(completedata$fipscode))

针对性解决办法 #

1. 如果是缺失值导致的 #

如果county_model$na.action有输出，说明确实有带NA的行被删掉了。你可以把残差补回原始数据，缺失的残差设为NA：

# 给原始数据新增残差列，初始设为NA
completedata$resid <- NA
# 找到模型实际用到的行号
used_rows <- setdiff(1:nrow(completedata), as.integer(county_model$na.action))
# 把残差对应填充进去
completedata$resid[used_rows] <- residuals(county_model)

之后制作地图时，NA的残差可以设置为灰色或者不显示，不影响整体地图的完整性。

2. 如果是完全共线性导致的 #

用alias(county_model)的输出查看冗余变量（比如会显示X3 = X1 + X2这种线性关系），删掉这个冗余变量重新拟合模型，就能保留所有3140条观测。如果是观测重复，你可以合并重复的FIPS记录（比如取变量均值），再重新拟合。

3. 通用的残差匹配技巧 #

不管哪种情况，都可以通过合并数据来确保残差和每个FIPS一一对应：

# 提取模型的拟合数据和残差，只保留FIPS和残差列
fit_resid <- data.frame(
  fipscode = model.frame(county_model)$fipscode,
  resid = residuals(county_model)
)
# 合并回原始数据，all.x=TRUE保证保留所有原始FIPS
completedata <- merge(completedata, fit_resid, by = "fipscode", all.x = TRUE)

这样即使有观测被剔除，原始数据里对应的残差会是NA，不会丢失任何FIPS记录，完美适配地图制作的需求。

内容的提问来源于stack exchange，提问作者jax