在下面的代码中，为什么R与lm.predict函数的行为异常？

我对下面的代码有一个问题，我正在努力理解：

x = rnorm(50)
y  = 3 * x +rnorm(50)

df_eq  <- data.frame(x, y)

model1  <- lm(y ~ x - 1)
model2  <- lm(df_eq[,2] ~ df_eq[,1] - 1)

xpred <- data.frame(x = seq(from = -2, to = 2, length = 5))

ypred <- predict(object = model1, newdata = xpred)
ypred2 <- predict(object = model2, newdata = xpred)

x=rnorm（50）
y=3*x+rnorm（50）
df_eq从R的角度来看，你手上的
predict.lm
对象
model2
。它说，“好的，我这里有一个
lm
对象。变量名是什么？”

嗯。响应变量称为
df_eq[，2]
，预测变量称为
df_eq[，1]
。现在，R想：“我应该在
xpred
中找到这些变量（或者至少是预测值）。”

嗯。里面没有这个名字

实际警告是由
model.frame.default
在尝试构建适当的模型框架时抛出的，在这个过程中，会返回到用于拟合模型的原始数据值

通常，适合模型的正确习惯用法（
lm
或其他）如下：

lm(y ~ x, data = df_eq)

不要依赖于在全局环境中拾取对象的名称。指定具有相关列的数据框，并在公式中使用这些列名
 跟我重复：在公式中仅使用数据帧列的名称（或其简单函数、
log
、
sqrt
等）！你能详细说明一下吗？看起来model2产生了合理的结果，但很明显后来会搞砸？
lm(y ~ x, data = df_eq)