Los métodos de análisis de datos multivariados de múltiples conjuntos proporcionan una forma de analizar una serie de tablas juntas. En particular, el método STATIS-dual se aplica en tablas de datos donde los individuos pueden variar de una tabla a otra, pero las variables que se analizan permanecen fijas. Sin embargo, cuando se tiene un gran número de variables o indicadores, la interpretación a través de métodos tradicionales de múltiples conjuntos es compleja. Por esta razón, en este documento se propone una nueva metodología, que hemos llamado Sparse STATIS-dual. Esta implementa la técnica de penalización de red elástica que busca retener las variables más importantes del modelo y obtener resultados más precisos e interpretables. Como complemento a la nueva metodología y para materializar su aplicación a tablas de datos con variables fijas, se crea un paquete en el lenguaje de programación R, bajo el nombre Sparse STATIS-dual. Finalmente, se presenta una aplicación a datos reales y se realiza una comparación de resultados entre el STATIS-dual y el Sparse STATIS-dual. El método propuesto mejora la capacidad informativa de los datos y ofrece soluciones más fácilmente interpretables.