چکیده: در این رساله، اطلاعات پیشین غیرقطعی (غیرنمونه‌ای) در برآورد پارامترها در مدل‌های رگرسیونی خطی جریمه‌شده ریج، لاسو و استوار جریمه‌شده (M ریج) به مدل تزریق شده که منجر به ظهور برآوردگرهای آزمون اولیه، انقباضی نوع استاین و جزء مثبت انقباضی نوع استاین گردیده است. ویژگی‌های این برآوردگرهای بهبودیافته با در نظر گرفتن چندین محدودیت در مدل‌های رگرسیونی M ریج و لاسو بررسی شده است. هم‌چنین، از اطلاعات فرعی به‌دست آمده از رگرسیون جریمه‌‌شده برای ساختن برآوردگرهای انقباضی در حضور داده‌های پرت و نقاط اهرمی بهره گرفته شده است. در تمامی مدل‌های رگرسیونی بیان شده، نتایج به‌دست آمده، به کمک مطالعه‌های شبیه‌سازی و تحلیل داده‌های واقعی مورد بررسی قرار گرفته که برآوردگرهای انقباضی ارائه شده در تمامی موارد بهتر از برآوردگر معمول در مدل مورد بررسی رفتار می‌کند.