청소년의 끈기(그릿)에 대한 기존 연구는 이론적으로 확인된 소수의 변수에 대하여 전통적인 분석 기법을 적용한 연구가 대부분이었다. 그러나 청소년의 끈기와 관련 있는 변수를 총체적인 관점에서 탐색하고 파악하여 새로운 변수를 발굴할 필요가 있다. 특히 한국아동·청소년패널조사(KCYPS) 2018은 끈기를 측정하는 문항을 새롭게 수집함으로써 청소년의 끈기 연구에 획기적인 계기를 제공하였다. 본 연구는 기계학습 기법을 통하여 KCYPS 2018의 수백 개의 변수를 한 모형에서 탐색함으로써 끈기와 관련 있는 변수를 총체적으로 파악하는 동시에 예측력이 높은 모형을 구축하고자 하였다. 기계학습 기법 중 벌점회귀모형은 예측력을 고려하면서도 상대적으로 해석하기 쉽고 설명하기 쉬운 모형을 도출한다. 벌점회귀모형 중 최신 기법인 Group Mnet은 LASSO의 회귀계수 불일치성 문제와 MCP의 다중공선성 문제를 다루며, 범주형 변수 또한 처리할 수 있다는 장점이 있다. 본 연구에서는 자료 분할로 야기되는 임의성을 통제하고자 100번의 반복을 통하여 선택계수(selection counts)를 구하고, 그 결과 301개의 설명변수 중 42개의 변수를 최종적으로 선택하였다. 선택된 변수들 중 선행연구에서 사용되었던 변수들은 학업 열의, 학업 무기력, 삶의 만족도, 행복감, 창의적 성격, 건강상태, 양육방식, 친구관계, 교사관계, 성별 등이었다. 선행연구에서는 찾아 볼 수 없었으나 선택된 변수로 자아존중감, 협동심, 우울, 주의집중, 공격성, 스마트폰 관련 변수, 팬덤 활동 빈도 등이 있었다. 본 연구의 의의를 기계학습 기법의 특징과 관련하여 논하고, 후속 연구 과제를 제시하였다.