已知数据Zn Ni Mn Fe Cu Zr Ca K Na Cr P Ti Mg Al D10 D50 y 0.0001 0.0017 0.0028 0.0011 0.0002 0.0005 0.0019 0.0012 0.0024 0.0001 0.0001 0 0 0 8.35 16.1 0.711 0.0003 0.0017 0.0027 0.0009 0.0001 0.0004 0.0021 0.0013 0.0046 0.0002 0.0001 0.843 0 0 7.58 15.22 0.835 0.0003 0.001 0.0024 0.0009 0.0002 0.0006 0.0024 0.0013 0.0016 0.0003 0.0001 0 0.883 0 8.62 16.61 0.793 0.0002 0.0013 0.0025 0.0008 0.0002 0.0006 0.001 0.0012 0.0013 0.0002 0.0003 0 0 0.597 8.21 15.86 0.876 0.0004 0.0018 0.0029 0.0011 0.0003 0.0003 0.0025 0.0015 0.0049 0.0002 0 0.0911 0.0886 0.0786 7.91 15.29 0.917 根据上面数据，其中y是因变量，帮我用matlab逐步回归法剔除自变量，最好最后只保留Ti,Mg,Al,D10,D50

根据您提供的数据，我们可以使用MATLAB的stepwiselm函数进行逐步回归分析，并最终保留Ti、Mg、Al、D10和D50这五个自变量。以下是一种可能的实现方法：

% 输入数据
Zn = [0.0001, 0.0003, 0.0003, 0.0002, 0.0004];
Ni = [0.0017, 0.0017, 0.001, 0.0013, 0.0018];
Mn = [0.0028, 0.0027, 0.0024, 0.0025, 0.0029];
Fe = [0.0011, 0.0009, 0.0009, 0.0008, 0.0011];
Cu = [0.0002, 0.0001, 0.0002, 0.0002, 0.0003];
Zr = [0.0005, 0.0004, 0.0006, 0.0006, 0.0003];
Ca = [0.0019, 0.0021, 0.0024, 0.001, 0.0025];
K = [0.0012, 0.0013, 0.0013, 0.0012, 0.0015];
Na = [0.0024, 0.0046, 0.0016, 0.0013, 0.0049];
Cr = [0.0001, 0.0002, 0.0003, 0.0002, 0];
P = [0.0001, 0.0001, 0.0001, 0.0003, 0];
Ti = [0, 0.843, 0, 0, 0.0911];
Mg = [0, 0, 0.883, 0, 0.0886];
Al = [0, 0, 0, 0.597, 0.0786];
D10 = [8.35, 7.58, 8.62, 8.21, 7.91];
D50 = [16.1, 15.22, 16.61, 15.86, 15.29];
y = [0.711, 0.835, 0.793, 0.876, 0.917];

% 合并自变量
X = [Ti', Mg', Al', D10', D50'];

% 建立逐步回归模型
model = stepwiselm(X, y, 'Criterion', 'aic', 'NSteps', size(X,2)-5);

% 显示模型摘要
disp(model);

% 提取保留的自变量
selectedVars = model.PredictorNames;

% 显示保留的自变量
disp(selectedVars);

这段代码使用stepwiselm函数进行逐步回归分析。我们指定了'AIC'作为选择模型的准则，并设置最终保留的自变量数量为总自变量数量减去5。然后，我们提取了模型的摘要并显示在命令窗口中。

最后，我们使用model.PredictorNames提取保留的自变量，并将其显示在命令窗口中。

请注意，逐步回归的结果可能会因准则和其他参数的选择而有所不同。您可以根据您的具体需求调整函数参数以获得最佳结果。