Considerando que hii >= Xi ' ( X'X) -1Xi seja uma medida ...

A análise de resíduos em modelos de regressão é uma ferramenta importante para avaliar a adequação do modelo aos dados. A afirmação dada parece estar relacionada à identificação de pontos influentes ou outliers.

No caso, hii representa as alavancas, que são medidas da influência de cada observação sobre os valores ajustados pelo modelo. Geralmente, valores altos de alavancas indicam pontos que têm uma influência desproporcional sobre os parâmetros do modelo.

Então, considerando que hii>0.2 indica pontos afastados da média das covariáveis, é razoável afirmar que tais pontos podem ser considerados influentes no modelo.

No entanto, a afirmação sobre o número de variáveis explicativas não pode ser deduzida com base apenas na informação fornecida. O fato de que observações com hii>0.2hii​>0.2 podem indicar pontos afastados da média das covariáveis não implica necessariamente que o modelo tenha menos de quatro variáveis explicativas.

Portanto, a afirmação é Errado. A quantidade de variáveis explicativas em um modelo não pode ser inferida a partir da informação sobre os valores das alavancas.