En este documento, exploramos las estructuras latentes para modelos de datos de panel en presencia de información previa disponible. La estructura latente en modelos de panel permite clasificar a los individuos en varios grupos distintos, donde los individuos dentro del mismo grupo comparten los mismos parámetros de pendiente, mientras que los parámetros específicos del grupo son heterogéneos. Para incorporar la información previa, diseñamos un nuevo algoritmo de método de multiplicadores de dirección alternada (ADMM) basado en el enfoque de penalización de Lasso fusionado de grupos por pares. Las propiedades asintóticas y la convergencia del algoritmo ADMM están bien establecidas. Los estudios de simulación demuestran las ventajas del método propuesto sobre los métodos existentes en términos de eficiencia de estimación y precisión de detección. Ilustramos la utilidad práctica del procedimiento propuesto analizando la relación entre el consumo de electricidad y el PIB en China.