Se rxLogit() converge dentro do número máximo de iterações permitidas, e se o mesmo acontece com os outros programas, o motivo mais provável para uma diferença nos coeficientes estimados que estão a ser utilizadas diferentes "contrastes". Outra das razões possíveis é que, se o modelo é singular (classificação deficiente) e as variáveis são ignorados para remover os singularities, os valores dos coeficientes restantes dependerá as variáveis são ignorados, e isto pode divergir entre os programas (Isto pode ser visualizado como um tipo de contraste).
Se qualquer um dos programas não convergir, as suas estimativas são fiáveis e não podem ser comparadas. Utilização de diferentes valores iniciais pode conduzir a convergência. Por exemplo, definir o argumento initialValues igual a 0 para utiliza todos 0 como valores de partida. Ou defina um vector com o número correcto de elementos. rxLogit apresenta o número de condição da matriz de covariância de desvio final como um indicador da fiabilidade dos resultados numérico. Ele também irá terminar estimativa se o modelo é demasiado mal-condicionados para produzir estimativas fiáveis.