El enfoque clásico para estimar modelos espaciales parte de la elección de una matriz de pesos espaciales que refleje la interacción entre las diferentes zonas. Se asume que la regla para definir esta matriz es que sea lo más parecida a la «verdadera» red de relaciones espaciales, pero para el investigador es difícil dilucidar cuándo la elección de esta matriz es correcta. Este paso clave en el proceso de estimación de modelos espaciales es una elección arbitraria, como Anselin (2002) señaló, y puede ser visto como uno de sus principales problemas metodológicos. En esta nota se propone no imponer los elementos de la matriz, sino su estimación basándose en la técnica de Entropía Cruzada (CE). Como las matrices de pesos espaciales son frecuentemente normalizadas por filas, cada una de ellas se puede entender como una distribución de probabilidad. La econometría basada en medidas de entropía es una herramienta útil para la obtención de distribuciones de probabilidad desconocidas, y su aplicación permite la estimación de los elementos de la matriz de pesos espaciales. Así, la matriz ya no depende de una elección impuesta por el investigador, sino de una estimación empírica. Este artículo compara los estimadores clásicos con los basados en medidas de entropía por medio de simulaciones de Monte Carlo en varios escenarios. Los resultados muestran que estas estimaciones superan a las obtenidas por estimadores tradicionales, especialmente cuando la especificación de la matriz no es similar a la real. Este resultado destaca la utilidad de las técnicas CE a la hora de reducir el grado de arbitrariedad impuesta en la estimación de modelos espaciales.