我们提出了用于分析时空回归数据的惩罚样条广义可加模型的扩展，并从贝叶斯的角度对其进行了研究。连续协变量和时间趋势的非线性效应通过惩罚样条的贝叶斯版本进行建模，而相关的空间效应遵循马尔可夫随机场先验。这允许通过分配具有不同形式和平滑度的适当先验，在统一的通用框架内处理所有功能和效果。推断可以通过完全（FB）或经验贝叶斯（EB）后验分析进行。使用MCMC技术的FB推理是对自己先前工作的一个小小扩展。对于EB推理，在广义线性混合模型表示的基础上开发了一个计算效率高的解决方案。第二种方法可以被视为后验模式估计，与频率学家设置中的惩罚似然估计密切相关。然后使用边际似然估计平滑参数对应的方差分量。我们仔细比较了模拟研究中的两种推理过程，并通过实际数据应用加以说明。该方法在开放域统计包BayesX中可用，并作为S-plus/R函数。