• helpdesk@nexusfi.it
  • IT
  • EN
  • DE
  • FR
  • ES
URBADOC logo
  • Home
  • Urbadoc
    • Archinet
    • Orlis
  • Condiciones
  • Funcionalidad
  • Contactos
  • Home
  • Urbadoc
    • Archinet
    • Orlis
  • Condiciones
  • Funcionalidad
  • Contactos

Búsqueda por campos

Reset
Reset

Búsquedas frecuentes

  • Búsqueda nueva
  • Archinet (IT)
  • Urbamet (FR)
  • Última búsqueda

Acceso

Atrás

Página de detalles

Tìtulo

Räumliche Regressionsmodelle als leistungsfähige Methoden zur Erklärung der Driving Forces von Zuzügen in der Stadtregion Wien? Spatial regression as a useful technique to explore driving forces on in-migration in the Viennese urban region.

Autores

Helbich, Marco
Görgl, Peter J.

Fuente

Raumforschung und Raumordnung Información adicional para usuarios registrados

Fecha de publicación

2010

Materia

(Campo disponible solo para usuarios registrados)

Identificador

SEBI: 4-Zs 237

ISSN

(Campo disponible solo para usuarios registrados)

Resumen

(Campo disponible solo para usuarios registrados)

Tema

B-1 = population structure, demography, urban sociology
B-1 = Bevölkerungsstruktur, Bevölkerungsentwicklung, Soziographie, Stadtsoziologie

Tipo de documento

(Campo disponible solo para usuarios registrados)

Código de identificación

dspace6.difu.de:difu/105813
Atrás

URBADOC

Urbadoc es un proyecto de la Asociación Urbandata, de la que forman parte el: Centro de Ciencias Humanas y Sociales, Madrid, España; Deutsches Institut für Urbanistik, Berlin, Alemania; Association Urbamet, París, Francia, (I.A.U., CRDALN); Archinet, Venezia, Italia (Università Iuav di Venezia, CNBA, CERVED).
La interfaz de usuario ha sido desarrollada por los productores de la base de datos, que son además los propietarios de los derechos relacionados con el diseño de la interfaz y de los textos utilizados, así como de la base de datos.

Créditos

urbandata

Proyecto auspiciado por la asociación Urbandata
Software desarrollado e implementado por NEXUS IT

© POWERED BY AQUARIUS 1.2 | NEXUS IT

  • Polìtica de privacidad