（数据请见附件）TestData <- read.table(file="3.5.txt",header=T)
#画出散点图

x <-TestData$x
y<-TestData$y
plot(x,y,xlab='Formaldehyde concentration',ylab='Acetal degree')

#将一般等距点化为标准等距点
x <- (TestData$x-18)/2+1
plot(x,y,xlab='Formaldehyde concentration',ylab='Acetal degree')

#正交多项式回归
model <- lm(y ~ poly(x));model
summary(model)

#给出足够多的点进行预测，并画出图像
XTest <- seq(from=1, to=7, by=0.1)
predicted.intervals <- predict(model,data.frame(x=x),interval='confidence',level=0.95);predicted.intervals
lines(x,predicted.intervals[,1],col='green',lwd=3)
lines(x,predicted.intervals[,2],col='black',lwd=1)
lines(x,predicted.intervals[,3],col='black',lwd=1)

问题：
1、请问应如何解读回归模型结果中的参数？此处的结果是y=2.797*x+28.971吗？抑或应对得到的系数进行线性变换？
Coefficients:
(Intercept)      poly(x)  

     28.971        2.797
2、对经多项式回归得到的模型，使用predict函数进行预测，可以较好地得到符合原始数据的预测值。但使用回归模型结果中的参数如上（y=2.797*x+28.971），得到的结果与原数据相比大相径庭，请问此处应如何解释，是问题一中提出的参数需经过线性变换再使用还是其他原因呢？
3、在运行过程中，发现无论使用原数据或者标准等距化的数据（x）进行回归模拟，得到的都是相同的结果，此处应如何理解呢？