El estimador de Efecto Común Correlacionado (CCE) es ampliamente utilizado en modelos de datos de panel para abordar la dependencia transversal, especialmente en paneles no estacionarios. Sin embargo, los estimadores existentes tienen limitaciones, especialmente en entornos de muestra pequeña. Este estudio perfecciona el estimador CCE al introducir nuevas variables proxy y probarlas a través de un conjunto exhaustivo de simulaciones. El método propuesto es simple pero efectivo, con el objetivo de mejorar el manejo de la dependencia transversal. Los resultados de la simulación muestran que el estimador refinado elimina la dependencia transversal de manera más efectiva que el CCE original, con propiedades de potencia mejoradas tanto en escenarios de dependencia débil como fuerte. El estimador refinado funciona particularmente bien en tamaños de muestra pequeños. Estos hallazgos ofrecen un marco más robusto para las pruebas de raíz unitaria de paneles, mejorando la fiabilidad de los estimadores CCE y contribuyendo a nuevos desarrollos en la abordaje de la dependencia transversal en modelos de datos de panel.