Con la amplia aplicación de datos espaciales en campos como la econometría y la ciencia de la información geográfica, los métodos para mejorar la robustez de la estimación del modelo econométrico espacial y la selección de variables se han convertido en un foco central de investigación. En el contexto del modelo de error espacial (SEM), este artículo presenta un método de selección de variables basado en la pérdida cuadrada exponencial y la penalización lasso adaptativa. Debido a la naturaleza no convexa y no diferenciable de este método propuesto, la programación convexa no es aplicable para su solución. Desarrollamos un algoritmo de descenso de coordenadas de bloque, descomponemos el componente cuadrado exponencial en la diferencia de dos funciones convexas y utilizamos el algoritmo CCCP en combinación con la interpolación parabólica para optimizar la resolución del problema. Las simulaciones numéricas demuestran que el descuido de los efectos espaciales de los términos de error puede llevar a una precisión reducida en la selección de coeficientes cero en SEM. El método propuesto demuestra robustez incluso cuando hay ruido presente en los valores observados y cuando la matriz de pesos espaciales es inexacta. Finalmente, aplicamos el modelo al conjunto de datos de viviendas de Boston.