y1=[208.7 208.7 193.4 182.6 210.8]'; x1=[0 0.0843 0 0 0.0911]'; x2=[0 0 0.0883 0 0.0886]'; x3=[0 0 0 0.0597 0.0786]'; x4=[0.0001 0.0003 0.0003 0.0002 0.0004]'; x5=[0.0017 0.0017 0.001 0.0013 0.0018]'; x6=[0.0028 0.0027 0.0024 0.0025 0.0029]'; x7=[0.0011 0.0009 0.0009 0.0008 0.0011]'; x8=[0.0002 0.0001 0.0002 0.0002 0.0003]'; x9=[0.0005 0.0004 0.0006 0.0006 0.0003]'; x10=[0.0019 0.0021 0.0024 0.001 0.0025]'; x11=[0.0012 0.0013 0.0013 0.0012 0.0015]'; x12=[0.0024 0.0046 0.0016 0.0013 0.0049]'; x13=[0.0001 0.0002 0.0003 0.0002 0.0002]'; x14=[0.0001 0.0001 0.0001 0.0003 0]'; x21=[8.35 7.58 8.62 8.21 7.91]'; x22=[16.1 15.22 16.61 15.86 15.29]';，构建X=[x1,x2,x3,x4,x5,x6,x7,x8,x9,x10,x11,x12,x13,x14,x21]与y1的多元回归方程的matlab函数

您可以使用`fitlm`函数来构建多元回归方程。以下是将数据x1到x14和x21与y1进行回归的示例代码：

X = [x1, x2, x3, x4, x5, x6, x7, x8, x9, x10, x11, x12, x13, x14, x21];
lm = fitlm(X, y1);

这将创建一个多元线性回归模型，并且`lm`对象将包含相关的回归结果。您可以使用`lm.Coefficients`属性来访问回归系数，使用`lm.Rsquared.Ordinary`属性来访问拟合优度（R方值）等等。

希望这可以帮助到您！如果有任何其他问题，请随时问我。