Los datos semi-continuos son muy comunes en ciencias sociales y economía. En este documento, se desarrolla un procedimiento de selección de variables bayesianas para evaluar la influencia de factores exógenos observados y/o no observados en datos semi-continuos. Nuestra formulación se basa en un modelo de variable latente de dos partes con respuestas politómicas. Consideramos dos esquemas para las penalizaciones de los coeficientes de regresión y las cargas de factores: una prior bimodal de pico y pala bayesiana y una prior de lasso bayesiano. Dentro del marco bayesiano, implementamos un método de muestreo de Monte Carlo de cadena de Markov para realizar inferencia posterior. Para facilitar el muestreo posterior, reformulamos el modelo logístico de la Parte Uno como un modelo de mezcla de tipo norma. Se diseña un muestreador de Gibbs para extraer observaciones de la posterior. Nuestros resultados empíricos muestran que con valores adecuados de hiperparámetros, el método bimodal de pico y pala supera ligeramente al lasso bayesiano en el análisis actual. Finalmente, se analiza un ejemplo real relacionado con la Encuesta Financiera de los Hogares Chinos para ilustrar la aplicación de la metodología.