在广义加性和变系数模型框架内，P样条是建模协变量非线性平滑效应的一种很有吸引力的方法。本文提出了P样条的贝叶斯模型，并将一维曲线的方法推广到二维曲面拟合，以模拟度量协变量之间的相互作用。P样条的贝叶斯方法的优点是可以同时估计平滑函数和平滑参数。此外，它可以很容易地扩展到更复杂的公式，例如，对于串行或空间相关响应具有随机效应的混合模型。此外，可以通过允许平滑参数局部自适应来替代恒定平滑参数的假设。这在基础平滑函数曲率变化或函数高度振荡的情况下特别有用。推断是完全贝叶斯的，使用最新的MCMC技术从后面抽取随机样本。在几个仿真研究中，研究了贝叶斯P样条的性能，并与文献中的其他方法进行了比较。我们通过慕尼黑公寓租金的复杂应用程序来说明这种方法。