转一个论坛答案https://bbs.pinggu.org/thread-2386272-1-1.html，整理如下：
一，格兰杰检验是做变量之间的因果关系的。建立VAR之前做格兰杰检验的话，你可以检验出几个变量之间是否互为因果，在建立VAR模型之后，则是：（1）对模型中每个方程中的某个内生变量对于目标变量是否可以看做是外生变量（其实就是是否为因果关系），即【单个】内生变量及其滞后的联合显著性，（2）同时也包括对模型中每个方程中的右侧所有内生变量对于目标变量是否可以看做是外生变量，即方程右端【所有】内生变量及其滞后的联合显著性。建立了VAR模型之后，做格兰杰因果检验的意义：注意前面提到的（2），多了一个所有变量及其滞后（ALL）的联合显著性，就好比是多元回归的F检验，检验整体的显著性，如果个别的变量的格兰杰检验不显著，但ALL显著的话，还是勉强可以用的，而不必剔除个别变量；另外，当ALL那一栏的不显著时，尝试一个个剔除，直到ALL显著为止。
二，建立VAR之前要求对序列做平稳性检验，不平稳的还要求进行平稳化处理，然后拿经过平稳化处理后的序列来建立VAR。
      首先得明白VAR模型和格兰杰因果的含义啊，VAR模型其实就是研究多元时间序列之间相互联动性的，包括同阶的和滞后的相关性，因此只要是平稳的多元时间序列都可以建立VAR模型。格兰杰因果关系本质是探讨滞后相关性，以二元序列为例，若变量x的滞后项对y有影响，则表示x是y的格兰杰因，y同理。因此格兰杰因果是建立在VAR模型的基础上的。VAR模型研究了多元序列之间内在的相关性，而格兰杰因果是进一步说明多元序列之间的先后引导关系。

一个是F统计量，一个是卡方统计量

得出的结果不同啊，请问有区别吗？

其实很多好期刊文章做VAR也没有做格兰杰因果检验。我也写过不少VAR的文章，看过很多，我是这样认为的，如果格兰杰因果检验的结果好就加到文章中，如果结果不好就不加入到文章中。因为格兰杰因果检验对于建立VAR模型并不是必不可少的。仅代表个人观点。

请问两个Granger有什么差别哦？