用matlab解多元回归方程，Y = BX，Y，B，X为矩阵，我需要具体的MATLAB操作过程，好的话追加财富值

用matlab解多元回归方程，Y = BX，Y，B，X为矩阵，我需要具体的MATLAB操作过程，好的话追加财富值

先输入X，Y矩阵，X为19 x 4的矩阵，Y为19 x 1的列向量
用matlab函数regress计算多元回归方程
>> B = regress(Y,X)
B =
-0.0110
0.0062
0.0182
100.8726
B就是回归方程的解x1~x4。

函数regress的高级用法有
>> [B,BINT] = regress(Y,X)
B =
-0.0110
0.0062
0.0182
100.8726
BINT =
-0.0272 0.0051
0.0020 0.0104
-0.0116 0.0479
-21.6227 223.3680
BINT是B的95%的置信区间矩阵
还有
[B,BINT,R,RINT] = REGRESS(Y,X)
等用法，用来发现奇异观测值，数据中的坏点。
R =

1.0e+003 *

0.0096
-0.0317
-0.6310
-0.7478
-0.5090
-0.2659
-0.2168
0.0287
0.5398
0.3247
0.2015
0.4328
0.0645
0.0711
1.1872
1.2417
-1.0127
-0.2618
-0.5622

RINT =

1.0e+003 *

-1.3735 1.3926
-1.4198 1.3565
-1.9006 0.6386
-2.0300 0.5345
-1.8297 0.8117
-1.6164 1.0847
-1.5825 1.1489
-1.3466 1.4040
-0.8002 1.8797
-1.0444 1.6938
-1.1572 1.5603
-0.8702 1.7358
-1.2683 1.3973
-1.1816 1.3238
0.1151 2.2593
0.6329 1.8505
-1.5208 -0.5045
-1.3322 0.8086
-1.4891 0.3647
如果RINT(i, :)所定区间没有包含0，
则第i个残差在默认的5%的显著性水平比我们所预期的要大这可说明第i个观测值是个奇异点

计算结果RINT中倒数第四第五行，满足上述条件，说明这两行，即2006年2007年的数据是奇异观测值
对应的残差R中这两行为 1.1872 1.2417相比其他年份的残差要大。
最后画图：
>> Y_wedge = B(1)*X(:,1)+B(2)*X(:,2)+B(3)*X(:,3)+B(4)*X(:,4);
>> year=[1992:1:2010];
>> plot(year,y,'*r',year,Y_wedge,'g');legend('观测值','估计值')
>> xlabel('年度')