多元传递熵（TE）是一种检测多元时间序列因果关系的无模型方法。它能够在不假设任何基础模型的情况下区分直接因果关系和间接因果关系以及常见驱动因素。但是，尽管有这些优点，它主要应用于双变量设置，因为它的定义涉及无限向量，因此很难在高维中进行可靠估计。为了克服这一限制，我们建议将TE嵌入图形模型的框架中，并提出一个公式，将TE分解为有限维贡献的总和，我们称之为分解传递熵。图形模型进一步提供了更丰富的画面，因为它们还产生了因果耦合延迟。为了估计图形模型，我们提出了一种迭代算法，这是一种改进的PC-算法，具有非常低的估计维数。我们给出了一个适当的显著性检验，并用非线性随机延迟微分方程和观测气候数据（海平面气压）的例子证明了该方法的性能。
内政部：https://doi.org/10.103/PhysRevLett.108.258701
