首先，我们需要准备数据。假设我们已经有了技术进步水平指数、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，分别存储在变量tech_index、charging_facility_index和new_energy_sales_growth_rate中。接下来，我们将使用polyfit函数拟合多元线性回归方程，然后使用polyval函数计算拟合后的值，最后使用plot函数绘制图形。

MATLAB代码如下：

% 假设已有数据
tech_index = [1, 2, 3, 4, 5];
charging_facility_index = [2, 3, 4, 5, 6];
new_energy_sales_growth_rate = [0.1, 0.2, 0.3, 0.4, 0.5];

% 拟合多元线性回归方程
p = polyfit(tech_index', new_energy_sales_growth_rate', 1);

% 计算拟合后的值
y_pred = polyval(p, tech_index');

% 绘制图形
figure;
plot(tech_index, new_energy_sales_growth_rate, 'o', 'MarkerSize', 8, 'MarkerFaceColor', 'b');
hold on;
plot(tech_index, y_pred, 'r-', 'LineWidth', 2);
xlabel('技术进步水平指数');
ylabel('新能源汽车销售量增长率');
legend('实际值', '拟合值');
title('多元线性回归方程拟合结果');
grid on;

这段代码首先定义了三个自变量和一个因变量的数据，然后使用polyfit函数拟合了一个一次多项式回归方程。接着，使用polyval函数计算了拟合后的值。最后，使用plot函数绘制了实际值和拟合值的散点图以及拟合线。