在MATLAB中，可以使用多种方法来计算决定系数（R-square）。以下是几种常见的方法：
方法一：使用`fitlm`函数
`fitlm`函数可以用于拟合线性模型，并通过其`rsquared`属性获取决定系数。
```matlab
% 创建数据
X = [1 3 6 7 8 16]；
b = [2 4 7 9 15 19]；
a = [1 3 6 7 8 16]；
% 拟合线性模型
mdl = fitlm（[X, b], a）；
% 获取决定系数
R2 = mdl.rsquared；
disp（['决定系数 （R-square）: ', num2str（R2）]）；
```
方法二：使用`corrcoef`函数
如果你有两个向量`X`和`Y`，可以使用`corrcoef`函数计算它们的相关系数矩阵，然后取对角线元素的第一个值作为决定系数。
```matlab
% 创建数据
X = [1 3 6 7 8 16]；
Y = [2 4 7 9 15 19]；
% 计算相关系数矩阵
R = corrcoef（X, Y）；
% 获取决定系数
R2 = R（1,1）；
disp（['决定系数 （R-square）: ', num2str（R2）]）；
```
方法三：手动计算
如果你希望手动计算决定系数，可以使用以下公式：
\[ R^2 = 1 - \frac{RSS}{TSS} \]
其中，RSS是残差平方和，TSS是总平方和。
```matlab
% 创建数据
X = [1 3 6 7 8 16]；
Y = [2 4 7 9 15 19]；
% 计算预测值
Y_pre = polyval（polyfit（X, Y, 1）, X）；
% 计算残差平方和和总平方和
RSS = sum（（Y_pre - Y）.^2）；
TSS = sum（（Y - mean（Y））.^2）；
% 计算决定系数
R2 = 1 - （RSS / TSS）；
disp（['决定系数 （R-square）: ', num2str（R2）]）；
```
方法四：使用自定义函数
你还可以编写自定义函数来计算决定系数。以下是一个示例：
```matlab
function [r2 rmse] = rsquare（y, f）
% 计算残差平方和
SSerr = sum（（y - f）.^2）；
% 计算总平方和
SStot = sum（（y - mean（y））.^2）；
% 计算决定系数
r2 = 1 - （SSerr / SStot）；
% 计算均方根误差
rmse = sqrt（SSerr / length（y））；
end
% 示例数据
y = [2 4 7 9 15 19]；
f = [1 3 6 7 8 16]；
% 计算决定系数
[r2 rmse] = rsquare（y, f）；
disp（['决定系数 （R-square）: ', num2str（r2）]）；
```
通过以上方法，你可以在MATLAB中计算决定系数。选择哪种方法取决于你的具体需求和数据结构。