变量连续随机向量$\mathbf{X}$中的依赖结构由其唯一的copula表征。从可以从全球性的本文提出了一个非常通用的框架，即$\mathbf{X}$的$d$-维copula，用于测试从多元分布中导出的$p$-维copula的给定集合是否相同。许多对copula建模感兴趣的假设都属于这一类，包括二元对称性（对角、径向、联合）、可交换性以及各种类型的copula相等。这里，围绕零假设和二次泛函（包括Cramér–von Mises和特征函数映射）的矩阵表示定义了一大类检验统计量。由于要测试的空假设本质上是复合的，因此$\mathrm{P}$-值的计算是使用测试统计的乘数自举版本实现的。在测试几种类型的二元对称性、可交换性、非重叠和重叠连接函数的相等性以及所有二元连接函数的等同性时，研究了该方法的样本性质。总的结论是，这些测试能够很好地保持其标称水平，并且能够有效地应对各种备选方案，表明了借助连接函数对多元数据集建模方法的相关性和可靠性。