Я полагаюсь на мнение и опыт людей, которые показали результат, чьи высказывания реально отражаются в их детищах.

В мире домашнего аудио я полагаюсь на опыт авторов аудиопродукции, звучание которых не заставляет скучать, а вызывает интерес и тягу к прослушиванию музыки.
Например, Питер Квортруп - глава компании и разработчик Audionote.

Вот что он пишет про сравнение аудиосистем (это справедливо и для нашего случая поиска баланса и лучшего звучание аудиоситемы):

Более точна та система, что передает больше различии в записях, позволяет слышать больше контрастов между записями разной музыки.

При сравнении двух пар акустических систем было бы ошибкой предполагать, что, например, те АС, которые всегда создают огромную звуковую сцену, выходящую далеко за их границы, правильнее. Вам может нравиться, как эти АС обращаются со звуковой сценой, но другие АС, благодаря тому что лучше передают различия между записями, могут оказаться более правильными, а если принять во внимание все переменные величины, скрытые в каждой записи, последняя пара АС может больше сообщить об исполнении.

Некоторые записи поп-вокала доставляют нам голос грудной, другие - сухой; на одних он вплетен в инструментальное полотно, на других выведен ближе к нам, в то время как аккомпанирующие инструменты оставлены далеко на заднем плане; одни записи гнусавят, другие хрипят, третьи звучат тепло, четвертые - металлически. Старый метод - назовем его "сравнение с образцом" - отдал бы однозначное предпочтение тому тракту звуковоспроизведения (вместе с соответствующими "эталонными" записями), который бы соответствовал предварительному понятию о том, как должен передаваться вокал, каков должен быть его баланс с остальными инструментами по таким параметрам, как относительный размер, форма, уровень, весомость и т. д. Через некоторое время мы обнаруживаем, что нам нравится определенная подача поп-вокала (то же с оркестровым балансом, или напором рок-музыки, или джазовой интимностью, или ударностью звуков фортепьяно - продолжите сами), и заявляем, что звук передастся правильно, когда звучание записей близко к нашим ожиданиям. Усугубляя ошибку, мы возводим такие записи в ранг эталонных (с позволения профессора Джонсона (К. Джонсон - основатель фирмы грамзаписи "Reference Recordings''("Эталонные записи"). - Здесь и далее прим. ред)), а потом ищем этой "верной" подачи во всех системах, которые оцениваем позже, и если не находим, то готовы квалифицировать систему как неправильную. Трудность в том, что, так как и запись, и система воспроизведения звука изначально недостаточно правильны, ожидать от других систем похожести не следует. Более того, если несколько систем звучат все время одинаково, то они должны быть неточны по определению, хотя бы потому, что, по упущению или намеренно, не бывает двух похожих записей. Есть другие важные критерии, которым любой сносный аудиокомпонент или система должны удовлетворять, и самый из них главный таков: прослушивание не должно утомлять.
Другой автор элитного аудио в России Клячин А.В. - тоже использует метод "по контрасту", и не рекомендует использовать исключительно чистюльные аудиофильные записи.

Если для кого нибудь написанное покажется ерундой, могу сказать, что небезызвестный в автозвуковой сфере эксперт и победитель много чего (например, лучший в России по качеству звучания: Best of Sound 2012) Виктор Шкендель сравнивает звучание своих аудиосистем и консультируется с разработчиками вышеприведенной российской компании домашнего аудио.

МП3 хуже СД по звучанию, как правило, но это не значит, что эти записи нужно исключить из тестового материала. Особенно, если прослушивание данных записей не исключается.