之所以出现差异，是因为您在通过该方法时忽略了截距（以及该因子的非参考水平的系数；请参见第一个注释）mgcv:::plot.gam()。visreg输出显示了每个变量的平滑效果，条件是模型中的其他项。蓝线显示 的估计平滑效果Tag，包括模型截距。

请注意您的模型可能是错误的；您可能应该包括Wundinfektionsstatus，因为因子平滑以零为中心，因此您需要一个参数固定效果（在这种情况下）来提高调整每个级别的平均响应向上/向下。没有它，模型必须将其构建到平滑函数中。

您可以在mgcv中通过模型预测值网格Tag（在本例中为蓝线）为您的因子的每个级别重复的值，您可以在 mgcv 中实现相同的目标，并且您需要包含一个虚拟患者 ID，我们'将排除：

## Assuming data in df
pred_df <- with(df, expand.grid(Tag = seq(min(Tag), max(Tag), length = 100),
                                Wundinfektionsstatus = levels(Wundinfektionsstatus),
                                PatientenID = sample(PatientenID, 1)))

pred <- predict(fit, newdata = pred_df, type = 'link', se.fit = TRUE,
                exclude = c("s(PatientenID)", "s(PatientenID,Tag)"))
pred_df <- cbind(pred_df, as.data.frame(pred))

## create confidence interval and back transform
pred_df <- transform(pred_df,
                     fitted_response = exp(fit),
                     fitted_upper    = exp(fit + (2 * se.fit)),
                     fitted_lower    = exp(fit - (2 * se.fit)))

pred_df应该采用您认为合适的格式以使用ggplot2进行绘图：

library('ggplot2')

ggplot(pred_df, aes(x = Tag, y = fitted_response)) +
  geom_ribbon(aes(fill = Wundinfektionsstatus, ymin = fitted_lower,
                  ymax = fitted_upper)) +
  geom_line(aes(colour = Wundinfektionsstatus))

注意：当我从内存中编写此代码时，将上述代码作为伪代码进行线程化，并且未经测试，因为没有可重现的示例。