Los modelos de regresión espacial están ampliamente disponibles en varias disciplinas, como el análisis de resonancia magnética funcional, econometría y análisis de precios de viviendas. En la naturaleza, la escasez ocurre cuando un número limitado de factores impacta fuertemente en la variación general. Las estructuras de covarianza escasas son comunes en los modelos de regresión espacial. El modelo de error espacial es un modelo de regresión espacial significativo que se centra en la dependencia geográfica presente en los términos de error en lugar de la variable de respuesta. Este estudio propone un enfoque efectivo que utiliza estimadores de pretest y contracción de ridge para estimar el vector de coeficientes de regresión en el modo de error espacial, considerando coeficientes insignificantes y multicolinealidad entre los regresores. El estudio compara el rendimiento de los estimadores propuestos con el estimador de máxima verosimilitud y evalúa su eficacia utilizando datos del mundo real y técnicas de remuestreo con fines comparativos.