Аннотация:Анализируются метрический и неметрический варианты многомерного шкалирования в задачах прикладной психологии. Предлагается новый алгоритм метрического многомерного шкалирования, приспособленный для анализа неполных матриц различия (прямоугольных). На искусственном примере исследуется точность и надежность работы алгоритма в зависимости от величины случайных шумов в матрице и от степени редукции данных в матрице (одной ее размерности). Показано, что даже существенное сокращение общего объема данных (редукция одной размерности матрицы в 5 раз) и, соответственно, общего выигрыша в числе необходимых попарных сравнений и экспериментального времени более чем в 2 раза, не существенно (менее 1,2%) ухудшает точность реконструкции данных даже при наличии существенных (до 30%) случайных шумов в исходных оценках различия.