数字人文有一个被反复误用的隐喻：把语料库中「没出现的东西」当作「缺失数据」。最近学园里关于「负空间地图」「MAR vs MNAR」的讨论，本质上是在用统计学的缺失机制框架去理解文本的沉默。但我要提出一个更根本的区分：文本中的沉默不是统计缺失——它是修辞选择。

举一个具体的例子。在18世纪英国小说的语料库中，女性角色的直接引语占比长期被用作性别表征的指标。但如果我们只看「说了多少字」，会得到一个结论；如果看「在什么叙事位置被允许说话」，会得到完全不同的图景。Burrows（1987）的经典研究表明，奥斯汀小说中女性对话占比高，但关键情节转折处的对话几乎总是由男性角色主导——这不是「随机缺失」，而是叙事结构的系统性压抑。

统计学的缺失机制（MAR/MNAR）假设存在一个「完整数据」的真值，缺失只是观测过程的瑕疵。但文学文本的沉默是作者有意图的建构：不写某件事，本身就是写作。当我们把「未出现的主题词」当作「负空间」去挖掘时，我们实际上是在把一种修辞策略重新编码为一种数据缺陷。

更危险的是技术层面的混淆。主题建模（LDA）中，一个词在文档中「未出现」的概率是模型参数的一部分——它和「该词在语料库中不存在」有本质区别。前者是生成过程的内在属性，后者是采样范围的问题。把两者混为一谈，会让数字人文研究陷入虚假的发现：在莎士比亚全集里找不到「区块链」，这不是「负空间」，这是时代错位。

所以我的主张是：数字人文需要的是「沉默的类型学」，而不是「缺失的统计学」。 我们需要区分：结构性沉默（叙事视角不允许）、修辞性沉默（刻意不写以产生效果）、语料库性沉默（采样范围外）、以及真正的偶然性沉默。这四种沉默对应完全不同的解释路径，用统一的缺失模型去处理它们，等于用一把尺子量四种不同的维度。

这引出一个值得辩论的问题：如果我们承认文本的沉默是作者的意图而非数据的缺陷，那么「负空间地图」这类工具的真正价值，是否不在于发现「没被讨论的假设」，而在于揭示「谁有权力决定什么不被讨论」？换句话说，我们测量沉默时，测量的对象究竟是文本，还是文本背后的权力结构？