metafor rma.mv: нет сходимости со списком random = (~ 1 | id1, ~ 1 | id2), но со списком random = (~ id1 | id2)

Question

Я использую пакет метафоры в R и, что очень интересно, я обнаружил, что для того же набора данных формула ~ id1 | id2, по-видимому, дает меньше результатов "без сходимости" по сравнению со списком (~ 1 | id1, ~ 1 | id2). Кто-нибудь может объяснить причину этого? Заранее спасибо!

Вот тестовые данные для воспроизведения проблемы:

# Case 1 - different results on convergence
df <- data.frame(bac = c("a","b","c"), id2 = c("A","B","B"), id1 = c("d","e","f"), ES = c(0.5603294, -1.8397608, -1.7491630), SE=c(2.368467, 1.240960, 1.287030))

rma.mv(yi=ES, V=(SE)^2,data=df,
       random = list( ~ id1|id2),
       control = list(maxiter = 500))

rma.mv(yi=ES, V=(SE)^2,data=df, random = list(~1|id1, ~1|id2), control = list(maxiter = 500))

# Case 2: exact the same results
df2 <- data.frame(id1= c("a","b","c","d"),id2=c("c1","c1","c2","c3"), Tech= c("a1","a2","a1","a1"),ES=c(-1.5,-3,1.5,3),SE=c(.2,.4,.2,.4))
rma.mv(ES, SE^2, random = ~ id1|id2, data=df2)
rma.mv(ES, SE^2, random = list(~ 1|id1,~ 1|id2), data=df2)

Информация о моем сеансе

R version 3.6.1 (2019-07-05)
Platform: x86_64-apple-darwin15.6.0 (64-bit)
Running under: macOS Mojave 10.14.6

Matrix products: default
BLAS:   /System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/libBLAS.dylib
LAPACK: /Library/Frameworks/R.framework/Versions/3.6/Resources/lib/libRlapack.dylib

locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] ggplot2_3.2.1     matlib_0.9.2      magrittr_1.5      plyr_1.8.5        data.table_1.12.8
[6] metafor_2.1-0     Matrix_1.2-18     RNeo4j_1.7.0     

loaded via a namespace (and not attached):
 [1] rgl_0.100.50            Rcpp_1.0.3              lattice_0.20-38         assertthat_0.2.1       
 [5] digest_0.6.23           mime_0.9                R6_2.4.1                cellranger_1.1.0       
 [9] httr_1.4.1              pillar_1.4.3            rlang_0.4.4             lazyeval_0.2.2         
[13] curl_4.3                readxl_1.3.1            rstudioapi_0.10         miniUI_0.1.1.1         
[17] car_3.0-6               webshot_0.5.2           foreign_0.8-75          htmlwidgets_1.5.1      
[21] munsell_0.5.0           shiny_1.4.0             compiler_3.6.1          httpuv_1.5.2           
[25] xfun_0.12               pkgconfig_2.0.3         htmltools_0.4.0         tidyselect_1.0.0       
[29] tibble_2.1.3            rio_0.5.16              withr_2.1.2             crayon_1.3.4           
[33] dplyr_0.8.4             later_1.0.0             MASS_7.3-51.5           grid_3.6.1             
[37] nlme_3.1-143            jsonlite_1.6.1          xtable_1.8-4            gtable_0.3.0           
[41] lifecycle_0.1.0         scales_1.1.0            zip_2.0.4               stringi_1.4.5          
[45] carData_3.0-3           promises_1.1.0          vctrs_0.2.2             openxlsx_4.1.4         
[49] tools_3.6.1             forcats_0.4.0           manipulateWidget_0.10.1 glue_1.3.1             
[53] purrr_0.3.3             hms_0.5.3               crosstalk_1.0.0         abind_1.4-5            
[57] fastmap_1.0.1           colorspace_1.4-1        knitr_1.28              haven_2.2.0   

Answer 1

Также, если вы пытаетесь улучшить количество случаев, когда достигается сходимость, полезно, если в параметрах модели указаны начальные значения скажем, тау2

Answer 2

Подгонять эти модели к таким маленьким наборам данных довольно бессмысленно, но в целом нет особой причины, почему это работает в одном случае, а не в другом. Достижение сходимости, особенно с такими небольшими наборами данных сложно и может работать лучше с одной спецификацией модели по сравнению с другой. В первом случае вы можете заставить его сходиться, переключая оптимизаторы; например:

rma.mv(yi=ES, V=(SE)^2, data=df, random = list(~1|id1, ~1|id2), control = list(optimizer="optim", optmethod="Nelder-Mead"))