首先，我们需要准备数据。假设我们已经有了一个包含技术进步水平指数、充电设施建设情况指数和新能源汽车销售量增长率的数据集，数据集的格式如下：

data = [
    技术进步水平指数1, 充电设施建设情况指数1, 新能源汽车销售量增长率1;
    技术进步水平指数2, 充电设施建设情况指数2, 新能源汽车销售量增长率2;
    ...
];

接下来，我们可以使用MATLAB的多元线性回归函数regress来拟合模型，并使用plot函数绘制散点图和回归线。以下是MATLAB代码：

% 导入数据
data = [
    技术进步水平指数1, 充电设施建设情况指数1, 新能源汽车销售量增长率1;
    技术进步水平指数2, 充电设施建设情况指数2, 新能源汽车销售量增长率2;
    ...
];

% 将数据分为自变量X和因变量Y
X = data(:, 1:2); % 提取技术进步水平指数和充电设施建设情况指数作为自变量
Y = data(:, 3); % 提取新能源汽车销售量增长率作为因变量

% 拟合多元线性回归模型
mdl = regress(Y, X);

% 绘制散点图和回归线
scatter(X(:, 1), X(:, 2), Y);
hold on;
plot(X(:, 1), X(:, 2), 'r', 'LineWidth', 2); % 红色虚线表示回归线
xlabel('技术进步水平指数');
ylabel('充电设施建设情况指数');
title('多元线性回归方程');
legend('散点图', '回归线');
hold off;

这段MATLAB代码将根据给定的数据集拟合一个多元线性回归模型，并绘制出技术进步水平指数、充电设施建设情况指数与新能源汽车销售量增长率之间的关系图。