La selección de variables es un problema de interés práctico actual en el campo de los sistemas inteligentes, con numerosas e importantes aplicaciones. Uno de los métodos m as exitosos es el de Recursive Feature Elimination o RFE. Este método presenta dificultades cuando se analizan problemas con variables altamente redundantes. En este trabajo exploratorio se introduce una variante RFE que busca solucionar este inconveniente. El nuevo SRFE incorpora un vector de penalización tal que, dado un grupo de variables redundantes, una sola de ellas no es penalizada y todas las dem as lo son. La forma de elegir que variable se penaliza incorpora un simple criterio para facilitar la estabilidad de las selecciones. El nuevo método se compara con otros desarrollos similares en dos datasets, mostrando evidencias que SRFE elige conjuntos de mejor calidad, tanto en los niveles de error conseguidos, la selección de variables independientes, como en la estabilidad de la solución .