我們提出了一種估計和推斷異質性因果效應參數邊界的方法。此方法適用於一般樣本選擇模型，其中處理可能會影響結果是否被觀察到，並且沒有排除限制。該方法提供了作為政策相關的前處理變數函數的條件效應邊界。它允許對未知條件效應進行有效的統計推論。我們採用了一種靈活的去偏/雙重機器學習方法，可以適用於非線性函數形式和高維混淆變數。同時，我們也提供了估計的易驗證高階條件、誤規範穩健置信區間和均勻置信帶。我們重新分析了一項關於Facebook上反態度新聞訂閱的大規模實地實驗的數據，我們的方法相比傳統方法顯著縮小了效應邊界，並暗示年輕用戶的去極化效應。