Baigiamajame magistro darbe analizuojama paskolų Lietuvos namų ūkiams rinka. Atsižvelgiant į praktikoje paplitusius paskolų rinkų analizavimo metodus, vertinami ilgalaikiai ir trumpalaikiai ryšiai tarp paskolų Lietuvos namų ūkiams ir kitų ekonominių veiksnių. Taikant laiko eilučių metodus yra atliekamos paskolų sandorių prognoz÷s. Atsižvelgiant į spartų paskolų Lietuvos namų ūkiams rinkos augimą pastaraisiais metais, darbe vertinamas išorinių impulsų, ateinančių per paskolų rinką, poveikis šalies ekonomikai. Nagrin÷jami pagrindiniai paskolų namų ūkiams rinkai būdingi bruožai ir priežastingumo ryšiai. Analizei atlikti taikomi įvairūs ekonometriniai metodai ir modeliai: ne stacionarių laiko eilučių modelis (ARIMA), Johanseno kointegruotumo nustatymo procedūra, Grangerio priežastingumo tikrinimo procedūra, regresin÷ ir daugiamat÷ laiko eilučių analiz÷. Išnagrin÷jus gautus rezultatus, pateikiamos baigiamojo darbo išvados ir pasiūlymai. Darbą sudaro 8 dalys: įvadas, literatūros apžvalga, Lietuvos paskolų rinkos apžvalga, statistiniai rodikliai, taikomi modeliai ir metodai, duomenų analiz÷ ir prognozavimas, kointegruotumo tyrimas, regresin÷ ir daugiamat÷ laiko eilučių analiz÷, išvados ir siūlymai, literatūros sąrašas. / At this final master’s work the market of loans to Lithuanian households is analyzed. Given the methods applied to analyze credit markets in practice, the long-term and short-term relations between loans to Lithuanian households and other economic factors are evaluated. Non-stationary time series methods (ARIMA) are applied to perform forecasts of loan transactions. Given the rapid growth of loans to Lithuanian households in recent years, the effect of external impulses coming through the loan market to the economy of the country is evaluated. The main characteristics of loans to households and causality relations are analyzed. Various econometric methods and models are applied: non-stationary time series model (ARIMA), Johansen cointegration procedure, the Granger causality test, the regression and multivariate time series analysis. After the examination of the results obtained, the final conclusions and suggestions are presented. Structure: introduction, literature review, Lithuanian credit market overview, statistical indicators, models and methods applied, data analysis and forecasting, cointegration analysis, regression and multivariate time series analysis, conclusions and suggestions, references. Thesis consists of: 72 p. text without appendixes, 41 pictures, 41 tables, 9 bibliographical entries.