我们研究了在不同聚集水平上的异质因果效应的因果机器学习估计器的有限样本性能。我们采用了经验蒙特卡罗研究，该研究依赖于基于实际数据的现实数据生成过程(DGPs)。我们考虑了24个不同的dgp, 11个不同的因果机器学习估计器，以及估计效果的三个聚合水平。在主要的dgp中，我们允许基于丰富的可观察协变量集进行处理选择。我们提供的证据表明，估计器可以分为三组。第一组在所有dgp和聚合级别上始终表现良好。这些估计器有多个步骤来说明治疗的选择和结果过程。第二组只对特定的dgp显示竞争性能。第三组的表现明显优于其他评估者。