本文主要讨论的是长记忆多项式回归模型yt=β+β2t+…+βptp-1+εt的回归参数向量β=(β1，β2，…βp)’的置信域问题。这是一个涉及到多维空间的问题。在残差序列存在长记忆性的情况下，我们分别讨论了参数β的普通最小二乘估计(OLS)和广义最小二乘估计(GLS)的大样本性质，进而给出了基于OLS和GLS这两种估计方法的回归参数β的置信域表达式。进一步地，结合有效样本数的概念，对OLS估计的置信域提出了一个改进的方法。我们一般选择OLS估计代替GLS估计，可以通过计算OLS估计的相对效率，来度量这种做法给估计精度带来的损失。值得注意的是当多项式的阶数P过大时，估计精度的损失会比较大。　　 在模拟论证方面，采Monte Carlo模拟方法，首先对长记忆参数d进行了Whittletype估计，并与简单模型yt=β1+β2t+εt的情况做了比较，得出我们的估计结果还是有效的。其次，通过经验覆盖概率和置信域的体积大小两个方面，对β的三种置信域估计方法做了一个比较。结果显示，在长记忆情况下，改进的方法具有良好的精确度。并且计算量较小。