新技术的出现,使得基于精细采样记录的数据收集和存储成为可能。这类数据的特点是高频稠密,可以近似看成曲线形式,即函数型数据,它的每个观察样本是一条函数曲线而不是一个点或向量。本文主要探讨函数线性模型曲线参数的假设检验问题。由于函数型数据具有无穷维的特性,在对模型进行统计分析时,本文采用函数主成分分析方法进行降维,使得降维后的数据可以转化成向量的形式,最终将函数线性模型转变成在统计理论中应用比较广泛的一般线性模型。值得注意的是,对于该线性模型,函数型数据在经过函数主成分分析方法处理之后,截断部分被归到了残差里。因此,残差不再是正态分布。当残差出现异常数据时,最小二乘方法会受到很大影响。因此,本文将稳健的统计方法,即Wilcoxon-type广义似然比检验,应用到截断模型,并从理论上说明,在给定条件下,Wilcoxon-type广义似然比检验统计量在原假设下的分布是服从渐近卡方分布的。数值模拟结果表明,Wilcoxon-type广义似然比检验统计量的渐近原分布是卡方分布。同时,当残差中不包含异常值时,Wilcoxon-type广义似然比检验与最小二乘检验具有相同的检验功效；当残差中包含异常值时,Wilcoxon-type广义似然比检验统计量的检验功效函数明显优于最小二乘检验,从而体现了Wilcoxon-type广义似然比检验的优越性和更好的稳健性。