我们提出了一个规范检验的广泛参数模型的条件分布函数的结果变量的协变量向量。该检验基于数据的联合分布函数的不受限制估计与施加模型隐含结构的受限制估计之间的Cramer-von Mises距离。该方法易于实现，对固定的备选方案保持一致，对零假设的n^-1/2阶局部偏差具有非平凡的能力，并且不需要选择平滑参数。在一个实证应用中，我们使用我们的检验来研究美国工资条件分配的各种模型的有效性。