某大型连锁零售企业（以下简称“企业”）在2025年实施了全新的“全渠道会员营销策略”。为了评估该策略对不同区域门店销售额的实际影响，并探究“营销投入”与“销售转化”之间的量化关系，总部数据科学团队提取了2025年全年旗下120家门店的经营数据。 数据分析师小王负责利用统计学方法对数据进行深入挖掘，主要涉及以下四个核心分析目标： 1.策略有效性验证：对比实施新策略的“实验组门店”与未实施的“对照组门店”在第四季度的人均客单价是否存在显著差异。 2.区域差异分析：考察“华东、华北、华南、华西”四大区域的季度总销售额是否存在显著不同，以判断是否需要差异化资源配置。 3.驱动因素建模：构建模型量化“广告投入金额”、“促销活动次数”对“月度销售额”的线性影响程度，并检验模型的总体显著性。 4.用户流失预测：基于会员的“登录频率”、“历史消费额”和“投诉次数”，预测用户在下一季度是否会“流失”（二分类变量：是/否）。 5.方差齐性检验：在进行多区域对比前，必须确认各区域销售数据的方差是否满足同质性假设，以决定后续采用何种具体的检验统计量。 作为该项目的数据分析师，你需要依据统计分析原理（假设检验、方差分析、回归分析等），解决以下关键问题。 （3）小王构建了多元线性回归模型：销售额 = β0 + β1 X 广告投入 + β2 X 促销次数 + ε 。模型训练后，他需要判断“广告投入”和“促销次数”这两个自变量作为一个整体，是否对“销售额”有显著的线性解释能力。应查看哪个统计量及其对应的P值？