%导入数据 A = xlsread('C:\Users\29864\Desktop\毕设数据.xlsx'); n=length(A) y = A(:, 2); x1 = A(:, 3); x2 = A(:, 4); window_size = 4; % 设置移动窗口大小 y_hat = movmean(y, window_size); % 对y进行简单移动平均预测 % 绘制原始数据和预测结果的图像 figure; plot(1:n, y, 'b-', 1:n, y_hat, 'r-'); xlabel('时间'); ylabel('因变量'); legend('原始数据', '预测结果');求模型优度

可以使用均方根误差（RMSE）和决定系数（R-squared）来评估移动平均预测模型的优度。

RMSE：

rmse = sqrt(mean((y - y_hat).^2));

R-squared：

SS_tot = sum((y - mean(y)).^2);
SS_res = sum((y - y_hat).^2);
R2 = 1 - SS_res/SS_tot;

其中，`SS_tot`表示总平方和，`SS_res`表示残差平方和。

计算出RMSE和R-squared之后，可以根据具体情况进行评估。一般来说，RMSE越小，模型越精确；R-squared越接近1，模型越好。