回归方程中希望对每个变量进行遍历，计算每个变量的回归准确率，有什么方法可以实现呢？
例如：
install.packages("AER")
mylr=glm(CHOICE~PURPOSE+OVTRAIL+TCRAIL+CHANGES,family=binomial(link="logit"),data=traindata)
logodds<-predict(mylr)
traindata<-data.frame(traindata,logodds)
odds<-exp(traindata$logodds)
traindata<-data.frame(traindata,odds)
p=traindata$odds/(1+traindata$odds)
traindata<-data.frame(traindata,p)
Class<-numeric(length(traindata$p))
Class[traindata$p<0.5]<-0
Class[traindata$p>=0.5]<-1
traindata<-data.frame(traindata,Class)
confusionmatrix<-table(traindata$CHOICE,traindata$Class)
confusionmatrix
accuracy=(confusionmatrix[1,1]+confusionmatrix[2,2])/sum(confusionmatrix)
accuracy

现在希望CHOICE变量对purpose、ovtrail、tcrail、changes分别进行回归分析，本来希望通过for循环来做的。
如：
install.packages("AER")
for (i in 2:nrow(mydata))
{
traindata$variable<-traindata[,i]
mylr=glm(CHOICE~variable,family=binomial(link="logit"),data=traindata)
logodds<-predict(mylr)
traindata<-data.frame(traindata,logodds)
odds<-exp(traindata$logodds)
traindata<-data.frame(traindata,odds)
p=traindata$odds/(1+traindata$odds)
traindata<-data.frame(traindata,p)
Class<-numeric(length(traindata$p))
Class[traindata$p<0.5]<-0
Class[traindata$p>=0.5]<-1
traindata<-data.frame(traindata,Class)
confusionmatrix<-table(traindata$CHOICE,traindata$Class)
confusionmatrix
accuracy=(confusionmatrix[1,1]+confusionmatrix[2,2])/sum(confusionmatrix)
accuracy

}

显示错误：
Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) :
  对比只适用于有两个或多于两个层次的因子


要不就是：
变量只能使用character变量，想请教下各位，这种回归遍历有什么办法能够实现，而不需要每个都手动输入获得训练数据的准确率。
附图，如果代码看不清，可以看图片。。。