本文发展了当治疗选择由多项式选择模型的非参数形式决定时，具有多个无序治疗的模型的局部工具变量方法。对干预的反应一般允许是异质的，并且允许代理人在至少部分了解对治疗的特异性反应的情况下选择治疗（例如，参与计划）。我们将多重治疗的一般模型中的治疗效果定义为如果药物面临不同的选择集，会观察到的反事实结果的差异。我们展示了不同版本的局部工具变量如何识别相应的治疗参数。直接应用局部工具变量可确定一种方案相对于下一种最佳方案的边际处理效果，而无需了解选择方程或任何大型支持假设中的任何结构参数。使用局部工具变量来确定其他治疗参数需要大量支持假设或了解多项式选择模型的潜在指数函数。