Bajo la condición de errores distribuidos no clásicos, la prueba de dependencia espacial en modelos de datos de panel espacial sigue siendo un problema por resolver. En este documento, aplicamos el método FDB (Fast Double Bootstrap) a modelos de datos de panel espacial para probar la dependencia espacial. Con el fin de investigar la validez de la prueba Bootstrap LM-Error en modelos de efectos aleatorios espaciales bajo la condición de que el término de error obedezca a una distribución normal, heterocedasticidad o correlación de series temporales, construimos estadísticas Bootstrap LM-Error y utilizamos simulación de Monte Carlo desde los aspectos de distorsión de tamaño y poder para llevar a cabo nuestra investigación. Los resultados de la simulación de Monte Carlo muestran que la prueba asintótica LM-Error en el modelo de efectos aleatorios espaciales tiene una gran distorsión de tamaño cuando el término de error no cumple con la distribución clásica. Sin embargo, la prueba FDB LM-Error puede corregir efectivamente la distorsión de tamaño de la prueba asintótica con la condición de que no haya casi ninguna pérdida de poder en la prueba FDB. Obviamente, en comparación con la prueba asintótica LM-Error, la prueba FDB LM-Error es un método más válido para probar la dependencia espacial en un modelo de efectos aleatorios espaciales.