在不同粒度级别上揭示政策和业务决策的因果效应的异质性，为决策者提供了实质性的价值。本文通过修改Wager和Athey(2018)提出的因果森林方法，为在可观察选择框架下的多个处理模型开发了新的估计和推断程序。新的估计量具有理想的理论和计算性质，适用于各种聚集水平的因果效应。一项实证蒙特卡洛研究表明，它们可能优于先前建议的估计。对于与较大群体相关的效果，推断往往是准确的，而对于与细粒度级别相关的效果，推断往往是保守的。对一个积极的劳动力市场方案的评价的应用表明了应用研究的新方法的价值。