Este documento investiga la estructura de bloques latentes en el modelo de datos de panel heterogéneo. Se asume que los coeficientes de regresión tienen estructuras de grupo entre individuos y quiebres estructurales a lo largo del tiempo, donde los puntos de cambio pueden causar cambios en las estructuras de grupo y los quiebres estructurales pueden variar entre subgrupos. Para recuperar la estructura de bloques latentes, proponemos un enfoque robusto de biclustering que utiliza la estimación M y penalizaciones fusionadas cóncavas. Se desarrolla un algoritmo basado en aproximación cuadrática local para optimizar la función objetivo, que es más compacto y eficiente que el algoritmo ADMM. Además, establecemos la propiedad de oráculo de los estimadores M penalizados y demostramos que el estimador propuesto recupera la estructura de bloques latentes con una probabilidad que tiende a uno. Finalmente, estudios de simulación en múltiples conjuntos de datos demuestran el buen rendimiento en muestras finitas de los estimadores propuestos.