En muchas aplicaciones, el interés se centra en evaluar las relaciones entre covariables y los extremos de la distribución de una respuesta continua. Por ejemplo, en estudios climáticos, un enfoque habitual para evaluar el cambio climático se ha basado en el análisis de datos máximos anuales. Utilizando la distribución de valores extremos generalizados (GEV), podemos modelar las tendencias en la temperatura máxima anual utilizando el alto número de covariables atmosféricas disponibles. Sin embargo, suele haber incertidumbre sobre cuál de las muchas covariables candidatas debería incluirse. Los métodos bayesianos para la selección de variables son muy útiles para identificar covariables importantes. Sin embargo, tales métodos son actualmente muy limitados para la selección de variables de moderada alta dimensionalidad en la regresión GEV. Proponemos un método bayesiano para la selección de variables basado en un algoritmo de selección de variables de búsqueda estocástica (SSVS) propuesto para la computación posterior. El método se aplica a la selección de covariables atmosféricas en series de temperatura máxima anual en tres estaciones españolas.