Los estimadores de contracción se utilizan a menudo para mitigar las consecuencias de la multicolinealidad en modelos de regresión lineal. A pesar de la facilidad con la que estas técnicas pueden aplicarse a conjuntos de datos pequeños o de tamaño moderado, enfrentan desafíos significativos en el dominio de big data. Algunos de estos desafíos son que el volumen de datos a menudo excede la capacidad de almacenamiento de un solo ordenador y que el tiempo requerido para obtener resultados se vuelve inviable debido a la carga computacional de un alto volumen de datos. Proponemos un algoritmo para la estimación eficiente del modelo y la validación de varios estimadores de contracción bien conocidos que se utilizarán en escenarios donde el volumen de datos es grande. Nuestro algoritmo propuesto utiliza estadísticas suficientes que se pueden calcular y actualizar a nivel de fila, minimizando así el acceso a todo el conjunto de datos. Un estudio de simulación, así como una aplicación en un conjunto de datos del mundo real, ilustra la eficiencia del enfoque propuesto.