在随机和观察性研究中，人们对估计因果效应的异质性越来越感兴趣。然而，在工具变量研究中，很少有人对影响异质性进行研究。在这项工作中，我们提出了一种使用工具变量与匹配来估计异质因果效应的方法。该方法分为两部分。第一部分使用主题知识和可解释的机器学习技术，如分类树和回归树，来发现潜在的效果修饰语。第二部分在严格控制家庭错误率的同时，使用封闭测试来测试每个效应修饰语的统计显著性。我们将此方法应用于俄勒冈州健康保险实验，通过使用随机抽奖作为工具，估计医疗补助对个人健康不妨碍其日常活动的天数的影响。我们的方法显示，Medicaid的效果在讲英语的老年非亚洲男性和最多有高中文凭或普通教育发展的年轻讲英语的个人中最具影响力。