研究了离散三角系统中因子结构的信息量。在横断面和面板数据模型中，因素结构已被用于各种设置，在本文中，我们在治疗效果文献中经常使用的二元系统中正式量化其识别能力。我们的主要发现是，在这些模型中通常需要的假设较弱的情况下，施加一个因素结构可以产生感兴趣的参数的点识别，例如与结果方程中的内生回归因子相关的系数。特别地，我们表明，即使在结果方程的所有回归量都是离散的情况下，需要将结果方程中的解释变量从治疗方程中排除的“非标准”排除限制对于识别来说不再是必要的。我们还在具有更一般因素结构的模型中建立了内源性回归系数的识别，在这种情况下，一个人可以获得至少两个公共因素的连续测量。