我们考虑了从墨西哥到美国的非法移民问题，并研究了缺乏合法身份是否会对结果产生因果影响，特别是工资和汇款行为。考虑到合法和非法移民的规模，以及由此产生的资金流动，这些结果尤其值得关注。我们将这个问题形式化，并使用带有内生选择的潜在结果框架强调主要的经验问题。选择偏差由一个非参数估计的控制函数捕获。汇出的框架被扩展到允许内源性回归因子(如工资)。我们提出了一种新的控制函数的重新参数化，在正常误差结构的情况下是线性的，并测试线性。利用墨西哥移民项目的数据，我们发现非法对工资的影响相当大，罚款在20世纪80年代约为12%，在90年代为22%。对于后一阶段，选择偏差不是由正常的误差结构产生的;错误地强加常态会将工资的非法性效应高估50%，而错误地忽视选择会导致低估50%。与这些工资处罚相比，法律地位似乎对汇款行为有复杂的影响。