本文发展了具有多重无序处理的模型的局部工具变量方法，当处理选择由多项式选择模型的非参数版本决定时。在一般情况下，对干预措施的反应允许是异质的，并且允许代理人在选择治疗(例如，参加一个项目)时至少部分了解对治疗的特殊反应。我们将具有多重治疗的一般模型中的治疗效果定义为，如果行动者面对不同的选择集，就会观察到的反事实结果的差异。我们展示了本地工具变量的版本如何识别相应的治疗参数。直接应用局部工具变量可以识别一个选项相对于次优选项的边际处理效果，而不需要从选择方程中获得任何结构参数或任何大型支持假设的知识。使用局部工具变量来确定其他治疗参数需要大量的支持假设或对多项选择模型潜在指数函数的了解。