เปรียบเทียบวิธี

	การทดสอบความเป็นเหตุเป็นผลแบบแกรนเจอร์ (Granger Causality Test)	เอนโทรปีการถ่ายทอด
สาขาวิชา	เศรษฐมิติ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Machine learning
ปีกำเนิด	1969	2000
ผู้ริเริ่ม	Clive W. J. Granger	Thomas Schreiber
ประเภท	Time-series predictive causality test	Non-parametric information-theoretic measure
แหล่งต้นตำรับ	Granger, C. W. J. (1969). Investigating Causal Relations by Econometric Models and Cross-spectral Methods. Econometrica, 37(3), 424-438.	Schreiber, T. (2000). Measuring information transfer. Physical Review Letters, 85(2), 461–464.
ชื่อเรียกอื่น	Granger causality test, Granger non-causality test, predictive causality test, Granger Nedensellik Testi	Schreiber Information Transfer, Directed Information Flow, Conditional Mutual Information (directed), Transfer Entropisi
ที่เกี่ยวข้อง	5	3
สรุป	The Granger causality test, introduced by Clive W. J. Granger in 1969, assesses whether the past values of one time series help predict another beyond what the latter's own past already explains. It defines causality in a strictly predictive sense rather than as a structural or physical cause.	Transfer Entropy (TE) is a non-parametric, information-theoretic measure of directed statistical dependence between two time series, introduced by Thomas Schreiber in 2000. Grounded in Shannon entropy, it quantifies how much information the past of one process Y reduces uncertainty about the next state of another process X, beyond what X's own past already provides. Unlike linear correlation or Granger causality, TE captures nonlinear interactions and requires no model assumptions about the underlying dynamics.