Este documento investiga la robusta selección de características para datos de ultra alta dimensionalidad en presencia de valores atípicos y heterogeneidad. Considerando la susceptibilidad de los métodos de probabilidad a los valores atípicos, proponemos un método de Regresión de Expectiles Ponderada Esparsa y Robusta (SRoWER) que combina el criterio con la regresión de expectiles. Al utilizar el algoritmo IHT, nuestro método incorpora eficazmente las correlaciones de las covariables y permite la selección conjunta de características. El enfoque propuesto demuestra robustez contra errores de cola pesada y valores atípicos en los datos. Se proporcionan estudios de simulación y un análisis de datos reales para demostrar el rendimiento superior del método SRoWER al tratar con variables explicativas contaminadas por valores atípicos y/o distribuciones de errores de cola pesada.