En este documento, proponemos un modelo de Regresión de Errores Anidados mejorado en el que los efectos aleatorios para cada área se les asigna una distribución previa utilizando el Proceso de Poisson-Dirichlet. Con base en este modelo, investigamos principalmente la construcción de la estimación de parámetros utilizando el método de estimación Bayesiana Empírica (EB), y adoptamos varios métodos como el método de Estimación de Máxima Verosimilitud (MLE) y el algoritmo de Monte Carlo de Cadena de Markov para resolver conjuntamente la estimación de parámetros del modelo. La viabilidad del modelo se verifica mediante simulación numérica, y el modelo propuesto se aplica a un problema real de estimación de áreas pequeñas. En comparación con el modelo lineal de efectos aleatorios normales convencional, el modelo propuesto es más preciso para la estimación de datos de aplicación del mundo real complejos, lo que lo hace adecuado para un rango más amplio de contextos de aplicación.