回归问题中变量的选择一直占据着许多统计学家的头脑。几种贝叶斯变量选择方法已经发展起来，我们主要关注以下方法：Kuo&Mallick、Gibbs变量选择（GVS）、随机搜索变量选择（SSVS），Jeffreys先验或Laplacian先验的自适应收缩，以及可逆跳跃MCMC。我们根据这些方法的不同属性对其进行了回顾。然后，我们在BUGS中实现了这些方法，以实际数据和模拟数据为例，并研究了不同方法在实践中的表现。我们的结果表明，SSVS、可逆跳跃MCMC和自适应收缩方法都能很好地工作，但选择哪种方法更好取决于所使用的先验知识以及它们的实现方式。