最基本的模型就是经典的线性回归了，这也是计量经济学的入门模型。Matlab可以用来进行计量模型的运算，下面就演示如何进行一个最基本的回归分析。

       第一步是把数据加载到Matlab工作环境中。这一步骤有多种实现方法，可以通过文件读取函数xlsread，也可以通过图形化的操作完成；这里通过最简单便捷的方式操作，就是直接从Excel里复制粘贴到Matlab中。

       假设数据已经整理到了Excel中，在Matlab命令行中输入M2=[]，然后从Excel里复制M2的数据到剪贴板，回到Matlab环境中，将光标置于[]中间，Ctrl+V就完成了对M2变量的赋值，同样的方法给CPI赋值，这样模型的原始数据M2和CPI就进入到了工作环境中。（2007-2011年9月的月度数据）

       第二步是调用Matlab里的回归模型进行分析，将M2和CPI作为输入，模型执行后将计算结果输出。这一步在matlab里实现起来非常简单，命令行中输入regress(CPI,M2)回车即可，返回的结果就是相关系数。这只显示了最基本的信息，regress函数最完整的形式如下：

[B,BINT,R,RINT,STATS] = REGRESS(Y,X,alpha)

函数的返回值中，B是回归系数向量，BINT是B在95%置信度下的置信区间，R是残差序列，RINT是残差在5%显著性水平下的矩阵，可用于判断模型的有效性，STATS是一个包含模型统计变量的向量，该函数的详细信息如下表：

执行如下命令：

>>[B,BINT,R,RINT,STATS]=regress(price2ret(flipud(CPI)),[ones(49,1) price2ret(flipud(M2))])

得出如下结果：

B =[0.00027982   -0.025282]

BINT =[ -0.0031271    0.0036867;    -0.2105      0.15994]

STATS =[0.0016017     0.075401      0.78483  5.3374e-005]

该模型的拟合度R²只有0.0016，F值也只有0.075，显然该模型是不合理的，我国近年来CPI的变化无法用M2解释，真是怪现象。

第三步是像Eviews一样输出详细、可读性强的结果。

模型估计过之后，像eviews里那样，也可以很方便的得到残差图。只需如下代码：

Plotyy(1 :50,M2,1 :50,CPI)

 http://www.xiaozhuang.org/upload/201110260123507874.jpg

看到了这个图之后，就知道这个模型根本没必要做了，用线性模型没法分析它们之间的关系。

第四步：保存数据、保存程序，留作后用。

有些数据是我们辛辛苦苦导入到Matlab环境里去的，将来可能还会需要重复使用，有没有办法不用每次都复杂地从excel里导入呢？Matlab提供了非常方便的方法来实现这一点，使用save命令就可以把当前工作环境中的全部变量保存到文件中去：save datafilename。这样，你的数据就使用mtalab的一种mat文件格式保存起来了，关闭了matlab之后依然存在。下次需要使用时，只需load datafilename就可以将里面的变量加载到当前工作环境了。

如果你是在matlab里用命令行窗口不断修改、调试你的模型，到最后别忘了把工作成果保存起来，把导入数据，模型分析和模型结果的图形显示集成起来，编写成一个良好的.m文件，如果能改写成function就更好了。