R 使用新数据评估线性模型会返回拟合值

我正在构建和评估我的模型，如下所示

yData <- rnorm(10)
xData <- matrix(rnorm(20), 10, 2)
polyModel <- lm(yData~polym(xData, degree=2, raw=T))
newData <- matrix(rnorm(100), 50, 2)
yPredicted <- predict(polyModel, polym(newData, degree=2, raw=T))

yData
predict（）
除非在
data
参数中指定了数据，否则效果不太好。这似乎有效：

polyModel <- lm(yData~poly(V1, V2, degree=2, raw=TRUE),
                data=as.data.frame(xData))
length(fitted(polyModel))  ## 10
newData <- matrix(rnorm(100), 50, 2)
yPredicted <- predict(polyModel, newdata=as.data.frame(newData))
length(yPredicted) ## 50

（未经测试）
我担心这与此有关。问题是我事先不知道扩展数据将有多少列。最大列数为5。最坏的情况是，我可以切换一个案例，然后输入不同的场景（V1）/（V1，V2）/（V1，V2，V3）。。。但我宁愿不去。有没有办法将其扩展到扩展数据中的可变列数？
f <- as.formula(sprintf("yData~poly(%s, degree=2, raw=TRUE)",
           paste("V", seq(ncol(xData)), sep="", collapse=", "))
polyModel <- lm(f, data=as.frame(xData))