降维和变量选择在高维数据分析中起着重要作用。稀疏MAVE是一种无模型变量选择方法，它很好地结合了收缩估计、Lasso和有效的降维方法MAVE（最小平均方差估计）。然而，由于使用了最小二乘准则，它对因变量中的异常值不具有鲁棒性。提出了一种基于稀疏MAVE的稳健变量选择方法，以及一种有效的估计算法，以增强其实用性。此外，还建议使用稳健的交叉验证来选择结构尺寸。通过仿真研究和实际数据分析，验证了新方法的有效性。
