Determinar las variables predictoras que tienen un efecto no lineal, así como aquellas que tienen un efecto lineal sobre la variable de respuesta es crucial en modelos aditivos semiparamétricos. Este problema ha sido investigado extensamente por muchos investigadores en el área de modelos aditivos lineales semiparamétricos, y varios métodos de separación son propuestos por los autores. Un problema común que podría afectar tanto la estimación como los resultados de separación es la existencia de valores atípicos entre las observaciones. Para abordar esta falta de sensibilidad hacia observaciones extremas, se aplican enfoques de estimación robustos con frecuencia. Proponemos un método robusto para identificar simultáneamente los componentes lineales y no lineales de un modelo aditivo lineal semiparamétrico, incluso en presencia de valores atípicos en las observaciones. Además, este modelo es escaso en el sentido de que puede utilizarse para determinar qué variables explicativas son ineficaces al proporcionar estimaciones precisas de cero para sus coeficientes. Para evaluar la efectividad del método propuesto, se lleva a cabo un estudio exhaustivo de simulación de Monte Carlo junto con una aplicación para investigar el conjunto de datos, que incluye el conjunto de datos de precios de propiedades de Boston.