研究了离散三角系统中因子结构的信息量。在横截面和面板数据模型中，因子结构已被用于各种设置，在本文中，我们正式量化了它们在治疗效果文献中经常使用的双变量系统中的识别能力。我们的主要发现是，在较弱的假设下，施加一个因素结构可以产生感兴趣参数的点识别，例如与结果方程中的内生回归因子相关的系数，而不是这些模型中通常需要的假设。特别是，我们表明，即使在结果方程中的所有回归量都是离散的情况下，要求结果方程中的解释变量从治疗方程中排除的“非标准”排除限制也不再是识别所必需的。我们还在具有更一般因素结构的模型中建立了内生回归系数的识别，在这种情况下，一个人可以获得至少两个连续的公共因素测量。