要计算beta（回归系数）和标准误差（standard error，se），你需要首先根据z-score和p值进行统计推断。下面是一种可能的步骤：

1. 首先，确定p值：p值是用于判断统计样本之间的差异是否具有显著性的一种指标。p值越小，表示差异越显著。
2. 接下来，基于z-score对beta进行推断：在假设检验中，当p值小于预定的显著性水平（通常为0.05或0.01），我们会拒绝原假设（即认为两组样本没有显著差异）。如果接受了原假设，我们就会考虑第二阶段的推断，即根据z-score计算beta值。通常，回归系数的z-score由以下公式得出：βi = (βi*’ - 0)/se(βi)，其中βi*’是估计的系数值，se(βi)是标准误差。

至于se（标准误差），它可以通过以下公式计算：se = sqrt((1/(n-2)) * ((s^2)/df(model) + (constant - avg. group mean)^2))其中s^2是模型的残差平方和，n是样本总数，df(model)是自由度（在此情况下为n-p-1），constant是截距项，avg. group mean是均值。

请注意，以上公式是基于一些假设和前提条件，实际应用中可能需要根据具体情况进行调整。另外，请确保已经进行了适当的变量选择、数据清洗和模型验证等步骤，以确保结果的准确性和可靠性。