许多有针对性的儿童干预措施，如佩里学前项目，根据风险评分选择符合条件的儿童。进入风险评分的变量及其相应的权重通常是临时选择的，不太可能是最优的。本文开发了一个简单的经济模型，并利用丹麦的行政数据来解决儿童干预的有效目标问题。我们将儿童定义为需要干预，如果他们在30岁左右遭受了社会上不受欢迎的结果，比如犯罪行为。由于干预措施在生命早期最有效，我们随后测试出生时可用的指标是否以及在多大程度上可以预测这些结果的出现。我们发现许多结果的预测准确度都相当高，特别是教育程度、犯罪行为、寄养安置以及这些结果的组合。逻辑回归的表现和其他机器学习方法一样好。一套由性别、父母受教育程度和父母收入组成的简单指标几乎与使用全套预测指标一样准确。最后，我们推导出构建风险评分的最佳权重。与典型的儿童干预中使用的临时权重不同，我们发现最佳权重随着兴趣的结果而变化，对于同一预测因子，父亲和母亲之间也不同，当父母处于教育和收入分配的底部时，最佳权重应该不成比例地大。