不矛盾的  因为脉冲和因果关系本身不具备必要关联
脉冲是基于VAR来的 VAR也和因果检验关系不大 甚至不做因果也可以做VAR和脉冲的

我的理解是格兰杰因果分析是确定VAR模型中的几个变量之间的因果关系，比如哪个变量的变动会对哪个变量的变动产生影响，或者二者互为影响。在确定这一影响关系后，进一步利用脉冲响应函数来分析这一影响的时效，即在第几期影响达到最大值，在第几期影响开始消失。更为完整的分析还可以用到方差分解，主要是确定上述影响在多大程度上成立，即有多大的把握可以认为格兰杰因果关系及脉冲响应函数的结果成立。至于你说的问题，可能是因果你的数据没有经过处理。一般来说，时间序列数据存在时间趋势，因此需要进行季节调整才能得出比较合理的结论，可以采取X-12季节调整方法。在进行季节调整的基础上，如果结果还不明显（格兰杰因果不显著），则可以考虑对数据进行取对数或者取差分。如果格兰杰因果关系还是不显著，就需要判定序列间是否存在异方差或者自相关以及多重共线性等，如果有的话需要进行相应的处理，处理后再来判断序列间的格兰杰因果关系。如果还是不显著的话，就需要判断模型设置是否合理，比如自变量和因变量之间是否存在格兰杰因果关系，如果不存在，就要对模型进行修改。因为我也遇到过类似的问题，所以将我的解决方法跟你说一下，以作参考。希望能够有所帮助。如果有什么地方说的不对的，还望其他路过的大佬予以指出。最后预祝研究顺利。

感谢楼上两位大佬的指点！我先按提供的方法再摸索一下

我也看到有人说，一般首先需要变量间具备Granger因果关系，也就是判断变量的内生性，建立VAR才是有意义的。
不知道作何理解~