Os modelos de regressão com parâmetros variando no espaço são uma generalização dos modelos lineares em que é permitido aos coeficientes da regressão mudarem ao longo do espaço. A estrutura espacial é especificada por uma extensão multivariada de uma distribuição a priori que considera as diferenças entre os coeficientes de regiões vizinhas. Isso permite a incorporação da informação da vizinhança espacial. Para estimar o modelo utilizamos a abordagem bayesiana e o algoritmo do MCMC considerando diferentes esquemas de amostragem. Esses esquemas foram comparados em termos da autocorrelação da cadeia de Markov, e em termos dos resultados obtidos. Foram discutidas diferentes especificações a priori que admitem estruturas espaciais semelhantes. Os resultados são ilustrados com dados simulados e com um conjunto real de informações.