这个想法有趣，只能回答前一个问题。我是这么想的：一般误差项假设是随机的，并且与解释变量不相关，那么误差项对被解释变量的影响程度，应该只与其偏离0（也就是对被解释变量没有影响的0截距状态）的程度相关，其实就是看随机误差项的常数方差大小。那么想要比较解释变量与随机误差项分别对被解释变量的影响程度的话，就只要比较两者的方差的大小了。当然，一般来说，误差项作为剔除掉了解释变量的随机干扰部分，其方差是不可能大于解释变量的，因为如果随机干扰项对被解释变量的影响力更大，意味着被解释变量更像是个随机波动的向量，而不是与某些变量存在某种内在相关性的项。

后面一个问题我不知道，静待他人解答。

随机误差项与被解释变量之间应该不存在关系，如果要是存在关系就说明不满足OLS回归的基本假设条件，你可以这样想，如果Y与随机误差项之间相关，随机误差项中肯定存在影响Y的解释变量没有被分离出来，这种情况应该属于弱内生性问题。

一般是自变量X对Y的影响较大

随机误差项是微小因素、不可观测或者度量因素的集合，对Y的影响有限，而且平均影响为0。

随机模拟要生成随机项，软件可以直接生成，