เปรียบเทียบวิธี

	เอนโทรปีการถ่ายทอด	การทดสอบความเป็นเหตุเป็นผลแบบแกรนเจอร์ (Granger Causality Test)
สาขาวิชา	การอนุมานเชิงสาเหตุ	เศรษฐมิติ
ตระกูล	Machine learning	Regression model
ปีกำเนิด	2000	1969
ผู้ริเริ่ม	Thomas Schreiber	Clive W. J. Granger
ประเภท	Non-parametric information-theoretic measure	Time-series predictive causality test
แหล่งต้นตำรับ	Schreiber, T. (2000). Measuring information transfer. Physical Review Letters, 85(2), 461–464.	Granger, C. W. J. (1969). Investigating Causal Relations by Econometric Models and Cross-spectral Methods. Econometrica, 37(3), 424-438.
ชื่อเรียกอื่น	Schreiber Information Transfer, Directed Information Flow, Conditional Mutual Information (directed), Transfer Entropisi	Granger causality test, Granger non-causality test, predictive causality test, Granger Nedensellik Testi
ที่เกี่ยวข้อง	3	5
สรุป	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.	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.