在不同粒度级别上揭示策略和业务决策因果效应的异质性，为决策者提供了巨大的价值。本文通过修改Wager和Athey(2018)提出的因果森林方法，为可观测值选择框架中的多个处理模型开发了新的估计和推理程序。对于各种因果效应的聚集水平，新的估计量具有理想的理论和计算性质。一项实证蒙特卡罗研究表明，它们可能优于先前建议的估计器。对于与较大的组相关的效果，推断往往是准确的，而对于与细粒度级别相关的效果，推断则是保守的。应用于评估一个活跃的劳动力市场方案显示了应用研究新方法的价值。