完成回归分析后，可以在方程对象中，通过左上角的“view-residual tests-histogram normal test”路径获取残差的分布直方图。在直方图的左侧，可以找到残差的描述统计信息，其中包括jarque-bera统计量，用于评估残差的正态性。
具体操作步骤如下：首先，打开你已完成的回归分析结果窗口，然后点击左上角的“view”选项，从下拉菜单中选择“residual tests”项，再点击“histogram normal test”。这样，你就能生成残差的分布直方图，同时左侧还会显示残差的描述统计量，包括jarque-bera统计量。该统计量主要用于检验残差是否符合正态分布。
通过查看jarque-bera统计量的p值，可以判断残差是否满足正态性假设。如果p值大于0.05，则认为残差服从正态分布，可以接受模型的正态性假设。反之，如果p值小于0.05，则拒绝正态性假设，残差不符合正态分布，可能需要对模型进行修正或考虑其他分布形式。
除了直方图和jarque-bera统计量，还可以进一步使用shapiro-wilk检验等方法进行残差正态性检验。这些检验方法能够更全面地评估模型的假设条件是否满足。
总之，通过eviews进行残差正态性检验，能够帮助我们更好地理解回归模型的适用性，确保模型的预测结果具有较高的可靠性和准确性。
温馨提示：答案为网友推荐，仅供参考