Cuando las variables de respuesta espaciales son discretas, el modelo autorregresivo logístico espacial agrega una estructura de red adicional al modelo de regresión logística ordinario para mejorar la precisión de la clasificación. Con la aparición de datos de alta dimensionalidad en varios campos, los modelos de regresión logística espacial dispersos han atraído un gran interés por parte de los investigadores. Para el modelo autorregresivo logístico espacial de alta dimensionalidad, en este artículo proponemos un método de selección de variables para el modelo logístico espacial. Para identificar variables importantes y realizar predicciones, se emplea un algoritmo eficiente para resolver la función de verosimilitud penalizada. Simulaciones y un ejemplo real muestran que nuestros métodos funcionan bien en una muestra limitada.