Als het intercept verschilt per klas, dan scoren sommige klassen hoger of lager dan andere klassen. Als de helling verschilt per klas, dan is er interactie tussen de voorspeller, klas, en de afhankelijke variabele: het verband tussen de voorspeller en de afhankelijke variabele is dan niet hetzelfde voor alle klassen.
(Let op: dit zegt niets over causaliteit. Als het intercept verschilt per klas, betekent dat niet dat de afhankelijke variabele wordt beinvloedt door in welke klas iemand zit; en als de helling verschilt per klas, betekent dat niet dat het verband tussen de voorspeller en de afhankelijke variabele wordt beinvloedt door in welke klas iemand zit. Er kan bijvoorbeeld plaats zijn van confounding: een andere, onbekende, variabele kan invloed hebben op zowel klas-lidmaatschap als de afhankelijke variabele. Bij multi-level analyse geldt net als bij al het andere onderzoek dat je, om iets te kunnen zeggen over causaliteit (over oorzaak en gevolg) de theoretische oorzaak of oorzaken moet manipuleren in een experimentele setting.)
Je verwachting over random intercepten en slopes baseer je op de beschikbare literatuur, dus op theoretische en empirische evidentie. Je moet dat overzicht natuurlijk sowieso hebben voordat je een studie kunt ontwerpen, dus tegen die tijd weet je ook of er redenen zijn om random intercepten en/of slopes te verwachten.
