在政策评价中，采用二元工具进行多重无序处理是常见的。这种多重治疗设置允许不同类型的治疗状态变化，不符合激活仪器。因此，工具变量(IV)方法必须依赖于对受试者行为的强假设，以确定局部平均治疗效果(LATEs)。本文介绍了一种新的IV策略，该策略在宽松假设下，在具有类似处理的聚类存在的情况下，确定了LATEs的可解释加权平均值。聚类LATEs允许跨治疗组的变化，这与偏好更新一致，但使单个LATEs的IV估计有偏差。聚类late是通过标准IV方法估计的，我们提供了一种估计治疗聚类的算法。我们实证分析了学习领域对学术学生进步的影响，发现违反LATE假设的情况符合偏好更新、领域相似的集群、学生之间的治疗效果异质性以及由于学习领域而导致的学生进步的显著差异。