Eviews是一种统计软件，用于数据分析和回归分析。在进行回归分析时，我们通常会关注回归系数的显著性和模型的拟合优度。其中，p值是用来判断回归系数显著性的指标，通常p值小于0.05被视为显著。

然而，当我们进行回归分析时，有时会发现某些变量的p值大于0.05，这意味着这些变量与因变量之间的关系不显著。那么，当我们遇到这种情况时，应该怎么办呢？

首先，我们需要考虑的是样本量的大小。如果样本量太小，那么即使变量与因变量之间存在一定的关系，由于样本量的限制，也可能导致p值大于0.05。因此，在这种情况下，我们应该尽可能地增加样本量，以提高回归模型的准确性。

其次，我们需要检查回归模型的假设条件是否符合要求。如果回归模型的假设条件不满足，那么即使变量与因变量之间存在一定的关系，也可能导致p值大于0.05。因此，在这种情况下，我们应该重新检查回归模型的假设条件，并采取相应的措施来满足这些条件。

最后，如果样本量足够大，回归模型的假设条件也符合要求，但某些变量的p值仍然大于0.05，那么我们可以考虑对这些变量进行剔除或者进行变量转换。通过剔除或者变量转换，可以使得回归模型更加准确，同时也可以提高变量与因变量之间的显著性。

总之，在进行回归分析时，p值大于0.05并不一定意味着变量与因变量之间不存在关系。我们应该全面考虑样本量、回归模型的假设条件以及变量的剔除和转换等因素，来提高回归模型的准确性和可靠性。