비자살적 자해(Non-Suicidal Self-Injury, NSSI)는 청소년에서 흔하고 복잡한 행동으로, 종종 외로움, 불안, 공허감과 같은 부정적 정서와 연관된다. 전통적인 자기보고 및 실험 방법은 자서전적 회상에 의존하므로 편향과 낮은 생태학적 타당성에 취약하다. 따라서 Ecological Momentary Assessment(EMA)와 같이 일상생활에서 NSSI 관련 감정과 맥락을 반복적으로 측정하는 접근이 필요하다. 본 연구는 기계학습과 다수준 로지스틱 회귀분석을 사용하여 청소년의 NSSI 사고를 예측하는 정서 요인을 확인하고자 하였다. 본 연구에는 최근 1년 이내에 NSSI를 수행한 12~15세 청소년 42명이 포함되었다. 참가자들은 스마트폰 애플리케이션을 통해 14일간의 EMA 기간 동안 하루 세 차례 기분과 NSSI 행동을 보고하였다. 예측 변인으로는 우울, 불안, 외로움, 자기-분노, 타인에 대한 분노, 수치심, 공허감이 포함되었다. 랜덤 포레스트 모델은 외로움(특성 중요도: 0.40), 불안(0.18), 공허감(0.14)을 NSSI 사고의 가장 중요한 예측 요인으로 확인하였다. 다수준 로지스틱 회귀분석은 이러한 결과를 확인했으며, 불안, 외로움, 공허감 각각이 1단위 증가할 때 NSSI 사고를 경험할 가능성이 각각 24%, 19%, 24% 증가하는 것으로 나타났다. ICC 값 0.26은 개인 간 변산이 실질적임을 나타내 다수준 모델링의 타당성을 뒷받침하였다. 그러나 무작위 효과 분석에서는 유의한 개인차가 관찰되지 않았는데, 이는 참가자 전반에 걸쳐 효과가 균일함을 시사한다. 이러한 결과는 외로움이 가장 영향력 있는 예측 요인임을 강조하며, 개입에서 사회적 연결을 다룰 필요성을 부각한다. 기계학습과 전통적 통계 방법을 결합함으로써 해석가능성이 향상되었고, NSSI에 관여하는 청소년을 위한 맞춤형 정서 중심 개입을 개발하는 데 실질적인 통찰을 제공한다.