約束模型解釋量偏低的原因可能是還有重要的解釋變量尚未考慮，或是解釋變量之間存在交互作用，或者歸因于實際群落中物種和環境的復雜關系通常很難僅通過簡單的模型有效描述出等（例如常規的RDA基于一階線性模型，但物種和環境的關系多數情況下并非一階線性關系，這種情況下，物種分布可能并非不受這些環境因子的約束，僅僅歸因于簡單的一階線性模型無法有效描述其關系） 。
RDA中每一個約束軸的特征值（eigenvalue）與特征值總和（約束軸和非約束軸特征值總和）的比例即為該軸的解釋率 。所有約束軸解釋率總和即R2 。因此，對于合理的RDA模型來講，選定軸（通常選取特征值最高的前2-3軸用來觀測）的解釋量不能太低 。
少數情況下，殘差之間的排序或相關性（非約束軸）可能比具有良好特征的約束軸更具生物學意義 。如上所述，對于RDA的殘差，即額外以PCA軸的形式呈現 。如果有必要，通過觀測非約束空間中的樣方和物種的相對位置可以幫助解讀這些殘差的特征 。
維度選擇
對于排序對象、解釋變量以及響應變量的相互關系，最終通過排序圖直觀呈現 。一般而言，我們僅選擇前2-3個特征值較高（且顯著）的約束軸用于觀測（并嘗試對其做出解釋），并表示為二維/三維散點圖的樣式，少數情況下也會根據實際情況選擇特定的排序軸（例如第二軸的趨勢不明顯，第三軸反而明顯，因此跳過了第二軸，使用二維點圖對第一、三軸可視化并做出解釋；有時也會選擇使用兩個二維點圖，分別展示并解釋第一、二和三、四軸等） 。有一點需要切記，就是不要試圖解釋太多的軸，太多的生態維度反而意義不大，正如McCune和Grace（2002）所說：“Very few ecologists have dared to venture into the uncertain waters of four or more dimensions” 。
排序圖表示
以R語言vegan包分析群落數據為例，排序對象（樣方）、響應變量（物種）以及解釋變量（環境變量）在各個約束軸中的排序結果分別報告為樣方得分（site scores）、物種得分（species scores）以及解釋變量得分（explanatory variable scores），投影到排序圖中即表示為坐標軸上對應位置處的坐標 。根據是否展示物種向量，排序圖可分為雙序圖（僅展示樣方和環境變量二者關系）和三序圖（展示樣方、物種及環境變量三者關系） 。
RDA排序圖中，樣方直接在對應坐標處繪制為點 。物種變量則呈現為向量，由原點(0,0)起始，指向物種得分的對應坐標處，向量的方向表示了該物種豐度增加的方向 。解釋變量得分（explanatory variable scores）同樣以向量的形式表示在RDA排序圖中，環境向量的長度表示樣方物種的分布與該環境因子相關性的大??；向量與約束軸夾角的大小表示環境因子與約束軸相關性的大小，夾角小說明關系密切，若正交則不相關 。
【RDA 代表什么的縮寫？】
推薦閱讀
- 目前市場上什么手機最好
- 威縣“三白西瓜”與平常的西瓜有什么不同？
- 目前為止是什么意思
- 將字的含義是什么
- 什么是樓閣式塔和密檐式塔
- 征信五級分類是什么
- 蕩能組什么詞
- xswl是什么意思？
- 淘寶網上長城L-HM46抗磨液壓油不同的店,為什么價格相差那么大
- 目前音質最好的隨身播放器是什么