La técnica estadística del modelo de regresión múltiple se emplea para analizar la relación entre la variable dependiente y varias variables independientes. El problema de multicolinealidad es uno de los problemas que afectan al modelo de regresión múltiple, ocurriendo en relación con la relación entre variables independientes. El método de mínimos cuadrados ordinarios es el método estándar para evaluar parámetros en el modelo de regresión, pero el problema de multicolinealidad afecta al estimador inestable. La regresión de Liu se propone para aproximar los estimadores de Liu basados en el parámetro de Liu, para superar la multicolinealidad. En este documento, proponemos un parámetro de Liu modificado para estimar el parámetro de sesgo en las opciones de escala, comparando el estimador de mínimos cuadrados ordinarios con dos parámetros de Liu modificados y seis parámetros de Liu estándar. Se considera el rendimiento del parámetro de Liu modificado, generando variables independientes a partir de la distribución normal multivariada en el patrón de correlación de Toeplitz como los datos de multicolinealidad, donde la variable dependiente se obtiene de la variable independiente multiplicada por un coeficiente de regresión y el error de la distribución normal. Se calcula el error porcentual absoluto medio como criterio de evaluación de la estimación. Para la aplicación, se utilizó un conjunto de datos reales de pacientes con Hepatitis C, con el fin de investigar el beneficio del parámetro de Liu modificado. A través de la simulación y el análisis del conjunto de datos reales, los resultados indican que el parámetro de Liu modificado superó a los otros parámetros de Liu y al estimador de mínimos cuadrados ordinarios. Se puede recomendar al usuario estimar parámetros a través del parámetro de Liu modificado cuando la variable independiente presenta el problema de multicolinealidad.