一如既往，原始数据，测试方法和更多细节，包括湿度数据，都在这里公开。
我们应该排除10微米的颗粒吗？
一个问题是：我们应该考虑到10微米的颗粒吗？一个标准Dylos会给出1微米和10微米的读数。在Dylos给出Pro模型的分式中，他们减去2.5微米以上的颗粒：
Pro分式：PM2.5 ug/m3 = （0.5微米颗粒 – 2.5微米颗粒）／0.1
理论上，0.5微米读数显示的是0.5微米以上的颗粒，包括2.5微米以上的粒子。既然PM2.5的数据是2.5微米以下的颗粒，如果我们排除2.5微米以上的颗粒，我们的数据会更加精准。
但是，当我在分析其他Pro测试数据时删除或不删除数字的差异是微不足道的。对于标准Dylos数据，1微米与
湿度对数据有影响吗？
适度是否重要呢？德雷克塞尔大学的工程学生认为它对Dylos的精准度有影响，因为吸收空气中的水分时候会使颗粒“膨胀”。
在第二轮的测试中，我们为每个数据点提供湿度数据。重要的是，这些数据具有宽范围的湿度值，从49%的低到98%，因此，我们可以测试把湿度考虑在内是否能够提高测试精准度。
为了测试这个问题，我计算了湿度与湿度和1微米颗粒之间的相互作用项的回归。相互作用项是显着的（p < .001, B = -0.001，在没有常熟的回归中，所以线相交在0，0）。
这个相互作用是什么意思？我在程序R中绘制出来。对于高湿度水平，Dylos 1微米（X轴）和———PM2.5（Y轴）之间的关系相对接近：
但是在地湿度水平下关连度更大：
那么，这些都有什么意义？这表明，当湿度高时，Dylos在“过度计算”。因此，当湿度较高时，相互作用项目在湿度高时，Dylos的数据稍微低于正常值。
当湿度较低时，Dylos不会“过度计算”。因此，我们更应该强调要将这些数字考虑进去。
如果增加湿度，公式会好多少呢？我们看一下简单公式跟踪美国领事馆的程度如何：
包括了湿度的分式如下：
原版的分式有11微克的平均误差。而包括了湿度的分式有6.8微克的平均误差。因此，把湿度考虑在内似乎有所帮助。
但请记住：这是一个相对较小的数据集。我们也没有湿度数据低于49%。适度可以降低很多。例如，拉斯维加斯目前的湿度才为7%。
